Scalability and Real-Time Performan

Scalability and Real-Time Performance Scalability in recommender systems includes both very large problem sizes and real-time latency requirements. For instance, a recommender system connected to a large Web site must produce each recommendation within a few tens of milliseconds while serving hundreds or thousands of consumers simultaneously. The key performance measures are the maximum accepted latency for a recommendation (tens to hundreds of milliseconds), the number of simultaneous recommendation requests (tens to thousands), the number of consumers (hundreds of thousands to millions), the number of products (tens to millions), and the number of ratings per consumer (tens to thousands). Many techniques from data mining can be adapted to the scalability problem for recommender systems, including dimensionality reduction and parallelism, but must be modified to meet the simultaneous throughput and latency requirements.

ผลลัพธ์ (ไทย) 1:

ขนาดและ Real-Time ปรับขยายประสิทธิภาพการทำงานในระบบผู้แนะนำมีปัญหามากขนาดและความต้องการแฝงแบบเรียลไทม์ เช่น ผู้แนะนำระบบเชื่อมต่อกับเว็บไซต์ขนาดใหญ่ต้องผลิตแต่ละคำแนะนำภายในสิบกี่มิลลิวินาทีในขณะที่บริการหลายร้อยหรือหลายพันของผู้บริโภคพร้อมกัน วัดสำคัญมีเวลาแฝงสูงสุดที่ยอมรับคำแนะนำ (สิบถึงหลายร้อยมิลลิวินาที), จำนวนการร้องขอพร้อมคำแนะนำ (หลักสิบถึงหลักพัน), จำนวนผู้บริโภค (หลายร้อยหลายพันถึงหลักล้าน), หมายเลขผลิตภัณฑ์ (หลักสิบล้าน), และหมายเลขของการจัดอันดับต่อผู้บริโภค (หลักสิบถึงหลักพัน) เทคนิคมากมายจากการทำเหมืองข้อมูลที่สามารถดัดแปลงปัญหาภาระสำหรับผู้แนะนำระบบ รวมถึงลด dimensionality และ parallelism แต่ต้องปรับเปลี่ยนเพื่อตอบสนองสามารถประมวลผลได้พร้อมกันและความต้องการแฝง

ผลลัพธ์ (ไทย) 2:

ความยืดหยุ่นและ Real-Time สามารถในการขยายผลการดำเนินงานในระบบ recommender รวมทั้งขนาดของปัญหาที่มีขนาดใหญ่มากและเรียลไทม์ความต้องการแฝง ยกตัวอย่างเช่นระบบ recommender เชื่อมต่อไปยังเว็บไซต์ที่มีขนาดใหญ่จะต้องผลิตในแต่ละคำแนะนำไม่กี่สิบมิลลิวินาทีในขณะที่การให้บริการหลายร้อยหรือหลายพันของผู้บริโภคไปพร้อม ๆ กัน วัดผลการปฏิบัติงานที่สำคัญมีความล่าช้าได้รับการยอมรับสูงสุดสำหรับคำแนะนำ (นับถึงร้อยมิลลิวินาที) จำนวนของการร้องขอคำแนะนำพร้อมกัน (นับพัน) จำนวนของผู้บริโภค (ร้อยนับพันล้าน), จำนวนของผลิตภัณฑ์ (นับ ล้าน) และจำนวนของการจัดอันดับต่อผู้บริโภค (สิบถึงพันบาท) เทคนิคจำนวนมากจากการทำเหมืองข้อมูลที่สามารถปรับให้เข้ากับปัญหาการปรับขยายระบบ recommender รวมถึงการลดมิติและความคล้ายคลึงกัน แต่ต้องมีการปรับเปลี่ยนเพื่อให้สอดคล้องกับการส่งผ่านข้อมูลพร้อมกันและความต้องการแฝง

ผลลัพธ์ (ไทย) 3:

ความยืดหยุ่นและ scalability ประสิทธิภาพเวลาจริงในระบบแนะนำมีทั้งขนาดใหญ่มากปัญหาขนาดและความต้องการศักยภาพแบบเรียลไทม์ ตัวอย่าง การแนะนำระบบเชื่อมต่อกับเว็บไซต์ขนาดใหญ่จะผลิตแต่ละคำแนะนำภายในไม่กี่สิบมิลลิวินาทีในขณะที่ให้บริการหลายร้อยหรือหลายพันของผู้บริโภคไปพร้อมกัน The key performance measures are the maximum accepted latency for a recommendation (tens to hundreds of milliseconds), the number of simultaneous recommendation requests (tens to thousands), the number of consumers (hundreds of thousands to millions), the number of products (tens to millions), and the number of ratings per consumer (tens to thousands). Many techniques from data mining can be adapted to the scalability problem for recommender systems, including dimensionality reduction and parallelism, but must be modified to meet the simultaneous throughput and latency requirements.