طراحی سیستم پیشنهاد دهنده مقیاس بزرگ مبتنی بر ماشین یادگیر مفرط

امروزه با رشد اینترنت اشیا با افزایش حجم اطلاعات در شبکه مواجه هستیم. این حجم اطلاعات باعث افزایشفرصت های مناسب جهت خدمت رسانی میشود اما چالشی که در اینترنت اشیاء مطرح است یافتن اطلاعات ازبین حجم زیادی داده میباشد. برای رفع چالش از سیستم های پیشنهاد دهنده استفاده می شود. این سیستم هابا توجه به علایق کاربر و شباهت کاربر به کاربران دیگر پیشنهادهایی ارایه می کند. چالش هایی که در اینسیستم ها وجود دارد حجم زیاد داده ها، عدم وجود رتبه بندی پیشنهاد توسط کاربران، تاثیر زیاد ویژگی هایمتنی مختلف بر سلایق کاربران، مشکل شروع سرد و نیاز به ارایه پیشنهاد های برخط اشاره کرد. برای حلچالش ها در حوزه اینترنت اشیاء ، یک سیستم پیشنهاددهنده مبتنی بر بازیابی مشارکتی ارایه میشود که دراین سیستم از ماشین یادگیر افزایشی جهت آموزش مدل میان کاربران، آیتم های، جستارها و پیشنهادهااستفاده می شود. در جهت پاسخ به حجم زیاد داده ها از نمونه گیری تصادفی استفاده میشود. این امکانوجود دارد ویژگی های مختلف کاربران، آیتم ها و جستارها جهت افزایش کارایی و رفع مشکل شروع سرداستفاده شود. نتایج حاصل از پیاده سازی و مقایسه روش حاضر با روشهای مشابه، نشان دهنده عملکرد برترروش پیشنهادی در مقایسه با روش های مشابه است.