Temat: recommendation algorithm - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Recommendation systems with the quantum k-NN and Grover algorithms for data processing
Autorzy:: Sawerwain, Marek
Wróblewski, Marek
Powiązania:: https://bibliotekanauki.pl/articles/330538.pdf
Data publikacji:: 2019
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: quantum k-NN algorithm
recommendation system
Grover algorithm
big data
kwantowy algorytm k-NN
system rekomendujący
algorytm Grovera
duży zbiór danych
Opis:: In this article, we discuss the implementation of a quantum recommendation system that uses a quantum variant of the k-nearest neighbours algorithm and the Grover algorithm to search for a specific element in an unstructured database. In addition to the presentation of the recommendation system as an algorithm, the article also shows the main steps in construction of a suitable quantum circuit for realisation of a given recommendation system. The computational complexity of individual calculation steps in the recommendation system is also indicated. The verification of the correctness of the proposed system is analysed as well, indicating an algebraic equation describing the probability of success of the recommendation. The article also shows numerical examples presenting the behaviour of the recommendation system for two selected cases.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2019, 29, 1; 139-150
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Big Data Recommendation Problems in e-Commerce Solutions for Small Business
Zagadnienia rekomendacji wykorzystujące Big Data dedykowane dla małych przedsiębiorstw e-commerce
Autorzy:: Bernardelli, Michał
Powiązania:: https://bibliotekanauki.pl/articles/1828358.pdf
Data publikacji:: 2017
Wydawca:: Politechnika Gdańska
Tematy:: Big Data
e-commerce
recommendation algorithm
algorytm rekomendacji
Opis:: The dynamic development of e-commerce has increased the demand for efficient algorithms and systems based on statistical analysis. The simplest of them use the web traffic statistics, other use sales parameters. Because of the amazing simplicity, transparency and enhanced features, much popularity was gained by the Google Analytics tool. None of the methods, however, without the appropriate algorithms that automate operations, is suitable for use in real time. Intelligent recommendation systems, such as the mechanism of Collaborative Filtering, significantly contribute to an increase in sales but are generally characterized by poor scalability. Of course with proper computer infrastructure and specialist knowledge, it is possible to gather big volumes of data and analyze them. All sophisticated solutions, however, are rather reserved for large companies, whose activity is based on the Internet. In this article, Big Data recommendation problems are described. Advantages and disadvantages of several used in practice algorithms are considered in particular emphasis on the suitability for the small e-commerce business. The main point of the article is the proposition of the simple in implementation recommendation algorithm and thereby achievable for small business. What is more, the online test was performed and its results presented as a good performance proof. The actual data were used thanks to the courtesy of Run4Fun.pl. In the test, the aspects of a large amount of data but also their volatility and diversity was taken into consideration.
Dynamiczny rozwój rynku e-commerce spowodował wzrost zapotrzebowania na skuteczne algorytmy i systemy wykorzystujące analizę statystyczną. Najprostsze z nich używają statystyk ruchu internetowego, inne statystyk sprzedaży. Ze względu na niezwykłą prostotę, przejrzystość i funkcjonalność, dużą popularność zyskało narzędzie Google Analytics. Żadna z metod, jednakże, nie nadaje się do wykorzystania w czasie rzeczywistym, bez odpowiednich metod automatyzujących jej działanie. Inteligentne systemy rekomendacji, takie jak mechanizm Collaborative Filtering, znacząco przyczyniają się do wzrostu sprzedaży, ale charakteryzują się na ogół słabą skalowalnością. Oczywiście, mając do dyspozycji rozbudowaną infrastrukturę komputerową i specjalistyczną wiedzę, można gromadzić duże ilości danych i analizować je. Wszystkie zaawansowane rozwiązania są jednak raczej osiągalne dla dużych firm, których działalność koncentruje się w Internecie. W artykule opisano zagadnienia rekomendacji związane z Big Data. Podkreślono zalety i wady kilku stosowanych w praktyce algorytmów, ze szczególnym uwzględnieniem ich przydatności dla małych firm działających na rynku e-commerce. Celem artykułu jest propozycja prostego w implementacji algorytmu rekomendacji, który byłby dostępny dla małych firm. Co więcej, przeprowadzone zostały testy on-line, których wyniki przedstawiono jako potwierdzenie skuteczności działania algorytmu. Rzeczywiste dane sprzedażowe zostały udostępnione przez firmę Run4Fun.pl. W teście wzięto pod uwagę kwestie dużych wolumenów danych, lecz również ich zmienność i różnorodność.
Źródło:: Przedsiębiorstwo we współczesnej gospodarce - teoria i praktyka; 2017, 3, 22; 65-76
2084-6495
Pojawia się w:: Przedsiębiorstwo we współczesnej gospodarce - teoria i praktyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "recommendation algorithm" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język