МЕТОДИ ЗБЕРІГАННЯ ДАНИХ РЕКОМЕНДАЦІЙНОЇ СИСТЕМИ НА ОСНОВІ ЗВ’ЯЗНИХ СПИСКІВ
Ключові слова:
рекомендаційні системи, бази даних, програмна імітаційна модель, зв’язний список, розгорнутий зв’язний список, хеш-таблиця, B-дерево, В -дерево, бінарні діаграми рішень
Анотація
Метою даної роботи є дослідження та порівняльний аналіз методів і структур даних для зберігання інформації рекомендаційної системи, щоб порівняти ефективність їх використання за затратами часу та пам’яті. Вибір методу представлення даних, якими оперує рекомендаційна система, має важливе значення, оскільки ефективний спосіб побудови бази даних для роботи такої системи може зменшити кількість потрібних ресурсів та збільшити кількість доступних алгоритмів для формування списків рекомендацій, а також є важливим з точки зору якості її роботи, швидкості, можливостей масштабування та зручності виконання основних операцій з даними для формування рекомендацій. Наявність великої кількості різних методів реалізації баз даних та представлення інформації, що можна використати при побудові рекомендаційних систем, викликає необхідність порівняльного аналізу та вибору оптимального методу і структури даних для зберігання інформації в них. У роботі було проведено дослідження різних структур даних, які можна використати для зберігання інформації рекомендаційної системи. Зокрема, таких як зв’язний список, розгорнутий зв’язний список, хеш-таблиця, B-дерево, В+-дерево та бінарна діаграма рішень. Для проведення експериментів з порівняння ефективності застосування різних структур даних за затратами часу та пам’яті було розроблено програмну модель спрощеної рекомендаційної системи, в якій було виділено три основні сутності – агент, сесія та предмет. Найкращі результати показали методи зберігання даних з використанням розгорнутого та інвертованого розгорнутого з’язних списків. Тому було вирішено також провести додаткову серію експериментів з цими структурами даних для різного розміру блоку списку. Розгорнутий список показав кращі результати за використовуваною пам’яттю та за часом генерації сесій. Інвертований розгорнутий список показав перевагу за часом генерації рекомендаційЗавантаження
Дані про завантаження поки що недоступні.
Посилання
1. Recommender Systems Handbook (2010) Editors F. Ricci, L. Rokach, B. Shapira, P. B. Kantor, New York, NY, Springer-Verlag New York, Inc., USA. 842 p.
2. Valois B.Jr.C., Oliveira M.A. (2011) Recommender systems in social networks. JISTEM J.Inf.Syst. Technol. Manag., Vol.8 No.3. P. 681-716. URL: https://www.scielo.br/scielo.php?script=sci_arttext&pid=S1807-17752011000300009
3. Фаулер М., Садаладж П. Дж. (2013) NoSQL: Новая методология разработки нереляционных баз данных. Издательский дом «Вильямс», Москва. 192 с.
4. Meier A., Kaufmann M. (2019) SQL & NoSQL Databases. Springer Vieweg, Wiesbaden. P. 201-218. – URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.468.7089&rep=rep1&type=pdf
5. Cure O., Blin G. (2014) RDF Database Systems: Triples Storage and SPARQL Query Processing. Elsevier Science. 256 p.
6. Yi N., Li C., Feng X., Shi M. (2017) Design and implementation of movie recommender system based on graph database. 14th Web Information Systems and Applications Conference (WISA), IEEE. P. 132-135.
7. Angles R. (2012) A comparison of current graph database models. IEEE 28th International Conference on Data Engineerin. Workshops, IEEE. P. 171-177.
8. Засядко Г.Е., Карпов А.В. (2017) Проблемы разработки графовых баз данных. Инженерный вестник Дона. No1 (44). URL: https://cyberleninka.ru/article/n/problemy-razrabotki-grafovyh-baz-dannyh
9. Мелков С., Мусатов Д., Савватеев А. (2013) Моделирование социальных сетей. URL: https://kpfu.ru/docs/F117464271/MMS_socnet_cities.pdf
10. Берновски М.М., Кузюрин Н.Н. (2012) Случайные графы, модели и генераторы безмасштабных графов. Труды ИСП РАН. URL: https://cyberleninka.ru/article/n/sluchaynye-grafy-modeli-i-generatory-bezmasshtabnyh-grafov
11. Райгородский А.М. (2012) Математические модели Интернета. “Квант” No4. С. 12-16. – URL: https://elementy.ru/nauchno-populyarnaya_biblioteka/431792
12. Meleshko Ye. (2019) Computer model of virtual social network with recommendation system. Scientific journal Innovative Technologies and Scientific Solutions for Industries, Kharkiv: NURE, Issue 2(8). P. 80-84
13. Робинсон Я., Вебер Д., Эифрем Э. (2016) Графовые базы данных: новые возможности для работы со связанными данными. ДМК Пресс, Москва. 256 с.
14. Neo4j Documentation (2021), Official website of the graph database Neo4j. URL: https://neo4j.com/docs/
15. Міхав В.В., Мелешко Є.В., Якименко М.С. (2020) Метод зберігання даних рекомендаційної системи на основі бінарних діаграм рішень. Системи управління, навігації та зв’язку. ПНТУ, Полтава. Т. 2 (60). С. 85-89.
16. Міхав В.В., Мелешко Є.В., Шимко С.В. (2021) Методи та структури даних для реалізації бази даних рекомендаційної системи соціальної мережі. Техніка в сільськогосподарському виробництві, галузеве машинобудування, автоматизація: збірник наукових праць ЦНТУ, Кропивницький. Вип. 4(35). С. 8-16.
2. Valois B.Jr.C., Oliveira M.A. (2011) Recommender systems in social networks. JISTEM J.Inf.Syst. Technol. Manag., Vol.8 No.3. P. 681-716. URL: https://www.scielo.br/scielo.php?script=sci_arttext&pid=S1807-17752011000300009
3. Фаулер М., Садаладж П. Дж. (2013) NoSQL: Новая методология разработки нереляционных баз данных. Издательский дом «Вильямс», Москва. 192 с.
4. Meier A., Kaufmann M. (2019) SQL & NoSQL Databases. Springer Vieweg, Wiesbaden. P. 201-218. – URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.468.7089&rep=rep1&type=pdf
5. Cure O., Blin G. (2014) RDF Database Systems: Triples Storage and SPARQL Query Processing. Elsevier Science. 256 p.
6. Yi N., Li C., Feng X., Shi M. (2017) Design and implementation of movie recommender system based on graph database. 14th Web Information Systems and Applications Conference (WISA), IEEE. P. 132-135.
7. Angles R. (2012) A comparison of current graph database models. IEEE 28th International Conference on Data Engineerin. Workshops, IEEE. P. 171-177.
8. Засядко Г.Е., Карпов А.В. (2017) Проблемы разработки графовых баз данных. Инженерный вестник Дона. No1 (44). URL: https://cyberleninka.ru/article/n/problemy-razrabotki-grafovyh-baz-dannyh
9. Мелков С., Мусатов Д., Савватеев А. (2013) Моделирование социальных сетей. URL: https://kpfu.ru/docs/F117464271/MMS_socnet_cities.pdf
10. Берновски М.М., Кузюрин Н.Н. (2012) Случайные графы, модели и генераторы безмасштабных графов. Труды ИСП РАН. URL: https://cyberleninka.ru/article/n/sluchaynye-grafy-modeli-i-generatory-bezmasshtabnyh-grafov
11. Райгородский А.М. (2012) Математические модели Интернета. “Квант” No4. С. 12-16. – URL: https://elementy.ru/nauchno-populyarnaya_biblioteka/431792
12. Meleshko Ye. (2019) Computer model of virtual social network with recommendation system. Scientific journal Innovative Technologies and Scientific Solutions for Industries, Kharkiv: NURE, Issue 2(8). P. 80-84
13. Робинсон Я., Вебер Д., Эифрем Э. (2016) Графовые базы данных: новые возможности для работы со связанными данными. ДМК Пресс, Москва. 256 с.
14. Neo4j Documentation (2021), Official website of the graph database Neo4j. URL: https://neo4j.com/docs/
15. Міхав В.В., Мелешко Є.В., Якименко М.С. (2020) Метод зберігання даних рекомендаційної системи на основі бінарних діаграм рішень. Системи управління, навігації та зв’язку. ПНТУ, Полтава. Т. 2 (60). С. 85-89.
16. Міхав В.В., Мелешко Є.В., Шимко С.В. (2021) Методи та структури даних для реалізації бази даних рекомендаційної системи соціальної мережі. Техніка в сільськогосподарському виробництві, галузеве машинобудування, автоматизація: збірник наукових праць ЦНТУ, Кропивницький. Вип. 4(35). С. 8-16.
Опубліковано
2021-12-01
Як цитувати
Mikhav V. Методи зберігання даних рекомендаційної системи на основі зв’язних списків / V. Mikhav, Ye. Meleshko, M. Yakymenko, D. Bashchenko // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2021. – Т. 4 (66). – С. 59-62. – doi:https://doi.org/10.26906/SUNZ.2021.4.059.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
