To address Challenge II, we initial

To address Challenge II, we initialize and maintain a multidimensional grid data structure for each recommender created using the CREATE RECOMMENDER statement, where each dimension corresponds to one of the attributes. Each grid cell includes a recommendation model that is used to efficiently generate recommendations to users. Materializing a large number of grid cells incurs more recommendation models being stored and maintained, which may preclude system scalability. To remedy this issue, RECATHON adaptively decides, based upon the query/update workload, which recommender cells to maintain in order to reduce the overall recommender storage and maintenance overheard without largely compromising the query execution performance. To query an existing multidimensional recommender (Challenge III), RECATHON users specify the recommender in the FROM clause and the user identifier as a predicate to the WHERE clause of a SQL query. RECATHON executes the query and produces the set of recommended items, along with their scores with respect to the querying user. To reduce query latency, RECATHON optimizes incoming recommendation queries through a set of query execution algorithms that embed the recommendation functionality within other database operations, namely, select, join, and ranking.

ผลลัพธ์ (ไทย) 1:

การท้าทาย II เราเริ่มต้น และรักษาโครงสร้างข้อมูลตารางหลายมิติสำหรับแต่ละผู้แนะนำที่สร้างโดยใช้งบสร้างผู้แนะนำ ที่แต่ละมิติที่สอดคล้องกับคุณลักษณะอย่างใดอย่างหนึ่ง เซลล์แต่ละเซลล์ในตารางมีรูปแบบคำแนะนำที่ถูกใช้เพื่อสร้างคำแนะนำกับผู้ใช้ได้อย่างมีประสิทธิภาพ Materializing ของเซลล์ตารางอายัดแนะนำรูปแบบการจัดเก็บ และ รักษา ซึ่งอาจมีผลกระทบกับระบบปรับขยาย เพื่อแก้ไขปัญหานี้ RECATHON ตัดสินใจ อย่างเหมาะสมตามปริมาณงาน/ปรับปรุงแบบสอบถาม เซลล์ซึ่งผู้แนะนำในการรักษาเพื่อลดการจัดเก็บข้อมูลผู้แนะนำโดยรวมและการบำรุงรักษาที่ overheard โดยไม่สูญเสียประสิทธิภาพการดำเนินการแบบสอบถามส่วนใหญ่ การสอบถามที่มีอยู่หลายมิติผู้แนะนำ (ท้าทาย III), RECATHON ผู้ใช้ระบุผู้แนะนำการในคำสั่ง from และระบุผู้ใช้เป็นเป็นเพรดิเคตการคำสั่ง where ของแบบสอบถาม SQL RECATHON ดำเนินการแบบสอบถาม และสร้างชุดของรายการที่แนะนำ พร้อมกับให้คะแนนเกี่ยวกับการสอบถามผู้ใช้ เพื่อลดเวลาแฝงของแบบสอบถาม RECATHON เพิ่มประสิทธิภาพแนะนำสอบถามเข้ามาผ่านชุดของขั้นตอนวิธีการดำเนินการสอบถามที่ฝังฟังก์ชันคำแนะนำภายในฐานข้อมูลการดำเนินการอื่น ๆ คือ เลือก เข้าร่วม และจัดอันดับ

ผลลัพธ์ (ไทย) 2:

เพื่อรับมือกับความท้าทายครั้งที่สองเราเริ่มต้นและการบำรุงรักษาโครงสร้างตารางข้อมูลหลายมิติสำหรับแต่ละ recommender สร้างขึ้นโดยใช้คำสั่งสร้าง Recommender ซึ่งแต่ละมิติสอดคล้องกับหนึ่งของคุณลักษณะ เซลล์แต่ละตารางรวมถึงรูปแบบคำแนะนำที่ถูกนำมาใช้อย่างมีประสิทธิภาพสร้างข้อแนะนำกับผู้ใช้งาน รายอื่นเป็นจำนวนมากของเซลล์ตารางเกิดขึ้นมากขึ้นคำแนะนำรูปแบบการจัดเก็บและการบำรุงรักษาซึ่งอาจดักคอปรับขยายระบบ เพื่อแก้ไขปัญหานี้ RECATHON adaptively ตัดสินใจขึ้นอยู่กับปริมาณงานที่แบบสอบถาม / อัปเดตซึ่งเซลล์ recommender ในการรักษาเพื่อลดการจัดเก็บ recommender โดยรวมและการบำรุงรักษาโดยไม่ต้องได้ยินส่วนใหญ่สูญเสียประสิทธิภาพการดำเนินการค้นหา การสอบถามที่มีอยู่หลายมิติ recommender (ท้าทาย III) ผู้ RECATHON ระบุ recommender ในข้อจากและระบุผู้ใช้เป็นคำกริยากับคำสั่ง WHERE ของแบบสอบถาม SQL RECATHON รันแบบสอบถามและผลิตชุดของรายการแนะนำพร้อมกับคะแนนของพวกเขาเกี่ยวกับการใช้การสอบถาม เพื่อลดความล่าช้าแบบสอบถาม RECATHON เพิ่มประสิทธิภาพคำสั่งคำแนะนำเข้ามาผ่านชุดของขั้นตอนวิธีการดำเนินการแบบสอบถามที่ฝังฟังก์ชั่นข้อเสนอแนะภายในงานฐานข้อมูลอื่น ๆ คือเลือกเข้าร่วมและการจัดอันดับ

ผลลัพธ์ (ไทย) 3:

เพื่อจัดการกับความท้าทายที่ 2 เราเริ่มใช้งานและรักษาโครงสร้างตารางข้อมูลหลายมิติสำหรับแต่ละฝ่ายสร้างขึ้นโดยใช้สร้างแนะนำงบ ซึ่งแต่ละมิติที่สอดคล้องกับหนึ่งในคุณลักษณะ แต่ละเซลล์ประกอบด้วยตารางแนะนำรุ่นที่ใช้ในการสร้างได้อย่างมีประสิทธิภาพ แนะนำให้ใช้ รายเป็นจำนวนมากของตารางเซลล์เกิดข้อเสนอแนะเพิ่มเติมรุ่นที่ถูกจัดเก็บ และรักษา ซึ่งอาจขัดขวางการทำงานของระบบ เพื่อแก้ไขปัญหานี้ recathon ตามที่ตัดสินใจตามแบบสอบถาม / ปรับปรุงงานเซลล์ที่แนะนำการรักษาเพื่อลดโดยรวมแนะนำกระเป๋าและการบำรุงรักษาโดยไม่ต้องสูญเสียการได้ยินส่วนใหญ่สอบถามงาน แบบสอบถามที่มีอยู่หลายมิติแนะนำ ( ท้าทาย III ) ผู้ใช้ recathon ระบุผู้แนะนำ ใน จาก ข้อ และระบุผู้ใช้เป็นภาคแสดงในที่ข้อของแบบสอบถาม recathon รันแบบสอบถามและสร้างชุดของรายการแนะนำ พร้อมกับคะแนนของพวกเขาด้วยความเคารพต่อข้อมูลผู้ใช้ เพื่อลดเวลาการเข้ามาแนะนำ recathon แบบสอบถาม , แบบสอบถามผ่านชุดของขั้นตอนวิธีการดําเนินแบบสอบถามที่ฝังแนะนําการทํางานภายในการดำเนินงานฐานข้อมูลอื่น ๆคือ เลือกเข้าร่วม และการจัดอันดับ