МЕТОД РОБОТИ РЕКОМЕНДАЦІЙНОЇ СИСТЕМИ У КОМП’ЮТЕРНІЙ МЕРЕЖІ ТИПУ PEER TO PEER
DOI:
https://doi.org/10.26906/SUNZ.2023.1.112Ключові слова:
рекомендаційні системи, колаборативна фільтрація, комп’ютерні мережі, однорангові мережі, децентралізовані мережі, розподілені хеш-таблиціАнотація
Стаття присвячена розробці методу роботи рекомендаційних систем в однорангових децентралізованих комп’ютерних мережах. Існує велика кількість методів роботи рекомендаційних систем для веб-сайтів та застосунків, призначених для централізованих комп’ютерних мереж. В той же час дослідження децентралізованих однорангових мереж показало, що питання створення рекомендаційних систем для такої архітектури практично не розглядалося. Проведено дослідження методів роботи однорангових децентралізованих структурованих комп’ютерних мереж, наведено узагальнені принципи їх роботи. Запропоновано метод роботи рекомендаційної системи на основі колаборативної фільтрації для однорангової децентралізованої структурованої комп’ютерної мережі з адресацією на основі розподілених хеш-таблиць. Для представлення даних рекомендаційної системи було використано дві структури даних: розгорнуті зв’язні списки та хеш-таблиці з відкритою адресацією. Використовувалося два типи розгорнутих списків: асоційовані з користувачами – містили списки вподобаних ними об’єктів та асоційовані з об’єктами – містили списки користувачів, які вподобали відповідні об’єкти. Кожен комп’ютер децентралізованої комп’ютерної мережі містив список вподобань асоційований зі своїм користувачем та списки вподобань асоційовані з об’єктами, які на ньому розташовані. Доступ до відсутньої на поточному комп’ютері інформації здійснювався за допомогою запитів до інших комп’ютерів за відповідними ідентифікаторами, організованими розподіленою хеш-таблицею однорангової децентралізованої мережі. Проведено експериментальне дослідження запропонованого методу роботи рекомендаційної системи. Воно показало, що розроблений метод має досить високі показники точності (Precision) та низьку середньоквадратичну помилку. Недоліком розробленого методу є низькі показники повноти (Recall), що виникає через те, що метод часто робить помилкові негативні прогнози. Це жодним чином не впливає на точність рекомендацій, тому що об’єкти з негативним прогнозом вподобань не потрапляють до списку рекомендацій. Але це погіршує наповненість списків, адже багато елементів, які можна було додати до них, відсіюються.Завантаження
Посилання
“Recommender Systems Handbook” (2010) Editors F. Ricci, L. Rokach, B. Shapira, P. B. Kantor, New York, NY, USA: Springer-Verlag New York, Inc., 842 p.
Jones M. (2013) “Recommender systems, Part 1. Introduction to approaches and algorithms. Learn about the concepts that underlie web recommendation engines”, URL: https://www.ibm.com/developerworks/opensource/library/osrecommender1/index.html?s_tact=105agx99&s_cmp=cp
Riposo Ju. Diffusion on the Peer-to-Peer Network // LAP LAMBERT Academic Publishing. – 2022. – 100 p.
Koo S.G.M. Multimedia Content Distribution Using Peer-to-Peer Overlay Networks: The Design and Analysis of the Next Generation Peer-to-Peer Networks // VDM Verlag Dr. Müller. – 2008. – 88 p.
Milojicic D.S., Kalogeraki V., Lukose R., Nagaraja K., Pruyne J., Richard B., Rollins S., Xu Z. Peer-to-peer computing // Technical Report HPL-2002-57, HP Labs. – 2002. – 51 р. – URL: https://www.cs.kau.se/cs/education/courses/dvad02/p2/ seminar4/Papers/HPL-2002-57R1.pdf
Zeinalipour-Yazti D., Kalogeraki V., Gunopulos D. Information retrieval techniques for peer-to-peer networks // Com-puting in Science & Engineering, Vol. 6, No. 4, pp. 20-26. – 2004. – DOI: 10.1109/MCSE.2004.12
Lua E.K., Crowcroft J., Pias M., Sharma R., Lim S. A Sur-vey and Comparison of Peer-to-Peer Overlay Network Schemes // IEEE Communications survey and tutorial. – 2004. – URL: https://snap.stanford.edu/class/cs224w-readings/lua04p2p.pdf
Kalogeraki V., Gunopulos D., Zeinalipour-Yazti D. A Local Search Mechanism for Peer-to-Peer Networks // Proc. of CIKM'02, McLean VA, USA, 2002. – URL: http://alumni.cs.ucr.edu/~csyiazti/downloads/papers/cikm02/cikm02.pdf
Zeinalipour-Yazti D. Information Retrieval in Peer-to-Peer Systems // M.Sc Thesis, Dept. of Computer Science, University of California Riverside. – 2003. – URL: http://alumni.cs.ucr.edu/~csyiazti/papers/msc/html/
Kademlia: A Design Specification – 2010. – URL: https://xlattice.sourceforge.net/components/protocol/kademlia/specs.html
Stoica I. , Morris R., Karger D.R., Kaashoek M.F., Balakrishnan H. Chord: A Scalable Peer-to-Peer Lookup Service for Internet Applications // ACM SIGCOMM Computer Communication Review, Vol. 31(4). – 2001. DOI: 10.1145/964723.383071
The BitTorrent Protocol Specification – 2017. – URL: http://www.bittorrent.org/beps/bep_0003.html
Gnutella Protocol Development – 2003. – URL: https://rfc-gnutella.sourceforge.net
Міхав В.В., Мелешко Є.В., Якименко М.С., Бащенко Д.В. Методи зберігання даних рекомендаційної системи на основі зв’язних списків // Системи управління, навігації та зв’язку – Полтава: ПНТУ, 2021. – Т. 4(66). – С. 59-62. – DOI: https://doi.org/10.26906/SUNZ.2021.4.059
Harper F.M., Konstan J.A. The MovieLens Datasets: History and Context // ACM Transactions on Interactive Intelligent Systems (TiiS). – 2015. – 19 p. – URL: https://doi.org/10.1145/2827872
Мелешко Є.В. Методи оцінки якості роботи рекомендаційних систем // Системи управління, навігації та зв'язку. – Полтава: ПНТУ, 2018. – Вип. 5 (51). – С. 92-97. – DOI: https://doi.org/10.26906/SUNZ.2018.5.09
