Η εκθετική αύξηση των δεδομένων στον ηλεκτρονικό κόσμο εκτείνεται πολύ πιο πέρα από τα gigabytes, exabytes ή petabytes σε οποιονδήποτε όγκο που μπορεί να είναι αδιανόητος. Η έννοια των Μεγάλων Δεδομένων εξελίσσεται συνεχώς και αποτελεί την κινητήρια δύναμη πίσω από την επανάσταση του ψηφιακού μετασχηματισμού, συμπεριλαμβανομένης της Επιστήμης των Δεδομένων, του Διαδικτύου των Πραγμάτων και της Εξόρυξης Δεδομένων. Αυτά τα δεδομένα είναι τόσο μεγάλα που δεν μπορούν να αντιμετωπιστούν από συμβατικά συστήματα βάσεων δεδομένων. Στην πραγματικότητα απαιτούνται εξειδικευμένα εργαλεία για την ανάλυση και την απόκτηση γνώσεων από τα δεδομένα αυτά. Παλαιότερες εργασίες στο CARS (Context-Aware Recommender System) εκτελέστηκαν σε αλγοριθμικό επίπεδο όπου οι ερευνητές προσπάθησαν να χρησιμοποιήσουν πληροφορίες σχετικές με τα συμφραζόμενα για τη βελτίωση των υπαρχόντων αλγορίθμων. Η έρευνα σε αυτό το ζήτημα παρήγαγε πολλές παραλλαγές των παραδοσιακών αλγορίθμων RS (Συστήματα Συστάσεων) που χρησιμοποιούνται στο CARS. Κατά τη διάρκεια των προκαταρκτικών μελετών για το CARS, διαπιστώθηκε ότι υπήρχε ακόμη πολύς δρόμος για τον ορισμό της έννοιας του πλαισίου με συνέπεια να απαιτείται η ύπαρξη μιας πιο αυστηρής έρευνας για τη μοντελοποίηση τέτοιων πληροφοριών στο RS. Με αυτόν τον τρόπο, μπόρεσε να καταστεί δυνατή η παρουσίαση μιας ευκαιρίας στους ακαδημαϊκούς να επιδείξουν τους καλύτερους αλγορίθμους εργασίας στη δημιουργία εφαρμογών CARS.
Η συγκεκριμένη εργασία μελετά το πλαίσιο των μετρήσεων αξιολόγησης και των συνόλων δεδομένων σε συστήματα συστάσεων και διακρίνεται τόσο στο θεωρητικό, όσο και στο πρακτικό μέρος της με τις μετρικές αξιολόγησης απόδοσης των αλγορίθμων και τ’ αποτελέσματα εκτέλεσης αλγορίθμων. Στόχος της συγκεκριμένης εργασίας αποτελεί η ανάδειξη της συμβολής της εκτίμησης της απόδοσης των αλγορίθμων. Συγκεκριμένα θα συγκρίνουμε τρεις αλγορίθμους που λαμβάνουν υπόψη το πλαίσιο (context), τους CAMF_CI, CAMF_CU, CAMF_CUCI και επίσης θα εκτελέσουμε και παραδοσιακούς αλγορίθμους συστάσεων που λαμβάνουν υπόψη μόνο την αξιολόγηση χωρίς το πλαίσιο, τους SVD++, ItemKNN, UserKNN.
TEI of West Macedonia
