Архитектура децентрализованной рекомендующей системы, основанной на применении локально-чувствительного хеширования


https://doi.org/10.15217/issn1684-8853.2015.5.91

Полный текст:


Аннотация

Постановка проблемы: рекомендующие системы широко используются в современных системах электронной коммерции, помогая пользователям ориентироваться в многообразии предлагаемых товаров и услуг. Наибольшее распространение получили централизованные архитектуры построения таких систем. Однако централизация влечет за собой ряд недостатков, среди которых - необходимость передачи пользователем сведений о предпочтениях стороне, осуществляющей эксплуатацию такой системы, и наличие единой точки отказа. Цель: построение децентрализованной рекомендующей системы, в которой для формирования рекомендаций используется сходство предпочтений пользователей (коллаборативная фильтрация), но полные сведения о предпочтениях хранятся только на узле, контролируемом самим пользователем, и не передаются другим узлам. Результаты: предложена архитектура децентрализованной рекомендующей системы, включающая структурированную одноранговую сеть, в которой каждый узел соответствует одному пользователю и хранит профиль его предпочтений, и специальный узел для информационного согласования участников сети. В качестве механизма, обеспечивающего, с одной стороны, поиск пользователей со схожими предпочтениями, а с другой стороны, ограниченное раскрытие информации о предпочтениях, используется локально-чувствительное хеширование. Для повышения уровня приватности пользователей в одноранговой сети применяется схема анонимизации. Практическая значимость: предложенный подход является достаточно универсальным и может быть использован для построения систем коллаборативной фильтрации в различных прикладных областях.

Об авторе

Андрей Васильевич Пономарев
Санкт-Петербургский институт информатики и автоматизации РАН
Россия


Список литературы

1. Draidi F., Pacitti E., Kemme B. P2Prec: A P2P Recommendation System for Large-Scale Data Sharing // Journal of Transactions on Large-Scale Data and Knowledge-Centered Systems (TLDKS). 2011. Vol. 3. P. 87-116.

2. Draidi F., et al. P2Prec: a Social-Based P2P Recommendation System //Proc. of the 20th ACM Intern. Conf. on Information and Knowledge Management. 2011. P. 2593-2596.

3. Kermarrec A.-M., et al. Application of Random Walks to Decentralized Recommendation Systems // Proc. of the 14th Intern. Conf. on Principles of Distributed Systems. 2010. P. 48-63.

4. Pitsilis G., Marshall L. A Trust-Enabled P2P Recommendation System // Proc. 15th IEEE Intern. Workshops on Enabling Technologies: Infrastructure for Collaborative Enterprises. 2006. P. 59-64.

5. Jelasity M., Montresor A., Babaoglu O. T-Man: Gossip-Based Fast Overlay Topology Construction // Computer Networks. Aug. 2009. Vol. 53. N 13. P. 2321-2339.

6. Tveit A. Peer-to-Peer Based Recommendations for Mobile Commerce // Proc. 1st Intern. Workshop on Mobile Commerce (WMC'01), ACM. 2001. P. 26-29.

7. Bakker A., Ogston E., van Steen M. Collaborative Filtering Using Random Neighbours in Peer-to-Peer Networks // Workshop on Complex Networks in Information & Knowledge Management. 2009. P. 67-74.

8. Han P., et al. A Scalable P2P Recommendation System Based on Distributed Collaborative Filtering // Expert Systems with Applications. 2004. N 27(2). P. 203-210.

9. Hecht F., et al. Radiommendation: P2P On-Line Radio with a Distributed Recommendation System // Proc. of the IEEE 12th Intern. Conf. on Peer-to-Peer Computing. 2012. P. 73-74.

10. Rajaraman A., Ullman J. Mining of Massive Datasets. - Cambridge University Press, 2012. - 326 p.

11. Slanley M., Casey M. Locality-Sensitive Hashing for Finding Nearest Neighbors // IEEE Signal Processing Magazine. Mar. 2008. Vol. 25. N 2. P. 128-131.

12. Indyk P., Motwani R. Approximate Nearest Neighbors: Towards Removing the Curse of Dimensionality // STOC'98: Proc. of the 30th Symp. on Theory of Computing. 1998. P. 604-613.

13. Charikar M. S. Similarity Estimation Techniques from Rounding Algorithms // STOC'02: Proc. of the 34th Annual ACM Symp. on Theory of Computing. 2002. P. 380-388.

14. Korzun D., Gurtov A. Structured Peer-to-Peer Systems. Fundamentals of Hierarchical Organization, Routing, Scaling and Security. - Springer, 2013. - 366 p.

15. Wang Q., Borisov N. Octopus: A Secure and Anonymous DHT Lookup // Proc. of the IEEE 32nd Intern. Conf. on Distributed Computing Systems. 2012. P. 325-334.

16. Chen X., et al. SCOPE: Scalable Consistency Maintenance in Structured P2P Systems // Proc. of IEEE INFOCOM. 2005. P. 1502-1513.

17. Hu Y., Bhuyan L. N., Feng M. Maintaining Data Consistency in Structured P2P Systems // IEEE Transactions on Parallel and Distributed Systems. 2012. Vol. 23. Iss. 11. P. 2125-2137.

18. Oster G., et al. Data Consistency for P2P Collaborative Editing // Proc. of the 20th Anniversary Conf. on Computer Supported Cooperative Work. 2006. P. 259-268.

19. Mastroianni C., Pirro G., Talia D. Data Consistency and Peer Synchronization in Cooperative P2P Environments. - Technical Report, 2008. - 16 p.

20. MovieLens dataset. http://grouplens.org/datasets/ movielens/ (дата обращения: 17.05.2015).

21. Cremonesi P., Koren Y., Turrin R. Performance of Recommender Algorithms on Top-N Recommendation Tasks // Proc. of the Fourth ACM Conf. on Recommender Systems (RecSys ‘10). ACM, New York, NY, USA, 2010. P. 39-46.


Дополнительные файлы

Для цитирования: Пономарев А.В. Архитектура децентрализованной рекомендующей системы, основанной на применении локально-чувствительного хеширования. Информационно-управляющие системы. 2015;(5):91-99. https://doi.org/10.15217/issn1684-8853.2015.5.91

For citation: Ponomarev A.V. Decentralized Recommendation System Architecture Based on Locality-Sensitive Hashing. Information and Control Systems. 2015;(5):91-99. (In Russ.) https://doi.org/10.15217/issn1684-8853.2015.5.91

Просмотров: 31


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-8853 (Print)
ISSN 2541-8610 (Online)