بهبود عملکرد سیستم‌های توصیه‌گر مبتنی بر تکنولوژی بلاک‌چین

تکنولوژی بلاک‌چین در سال‌های اخیر، به عنوان یک فناوری امیدوارکننده در زمینه‌ی سیستم‌های توزیع‌شده، مورد توجه بسیاری از دانشمندان قرار گرفته است. این امر با ویژگی‌های بلاک‌چین مانند شفافیت و تغییرنا‌پذیری امکان‌پذیر شده است. جدید بودن تکنولوژی بلاک‌چین باعث چالش‌های بسیاری در این زمینه است. یکی از این چالش‌ها مدیریت داده‌ها در بلاک‌چین و ارائه داده مناسب با علایق کاربر می‌باشد. این چالش در سیستم‌های متمرکز کنونی از طریق سیستم‌های توصیه‌گر برطرف می‌شود. پیاده‌سازی سیستم‌های توصیه‌گر در قرارداد‌های هوشمند بلاک‌چین علاوه بر بالا بردن هزینه تراکنش، موجب دقیق نبودن توصیه‌ها به دلیل عدم امکانات محاسبه پیچیده الگوریتم‌های یادگیری ماشین در زبان‌های برنامه‌نویسی قراردادهای هوشمند می‌شود. در این مقاله، روشی برای بهبود سیستم‌های توصیه‌گر مبتنی بر داده‌های بلاک‌چین ارائه شده است. در این روش، داده‌ها بر اساس ساختاری در بلاک‌چین ذخیره می‌شوند که در قرارداد هوشمند تعریف شده است. این داده‌ها از طریق کلید عمومی قرارداد هوشمند در اختیار سیستم‌ توصیه‌گر خارج از زنجیره قرار می‌گیرند تا پردازش لازم برای ارائه توصیه مناسب به کاربر انجام گیرد. سپس نتایج طی یک تراکنش در بلاک‌چین ذخیره می‌شود تا به کاربر ارائه شود. نتایج به‌دست‌آمده از تحقیق پیش رو و مقایسه با کارهای پیشین نشان می‌دهد که انجام محاسبات پیچیده خارج از زنجیره، علاوه بر کاهش هزینه تراکنش استقرار قرارداد هوشمند، موجب کاهش هزینه تراکنش مرتبط با توصیه‌گر در سیستم‌ پیشنهادی از نظر گس مصرفی می‌شود، که حاصل آن افزایش مقیاس‌پذیری است.

Improving The Performance of Blockchain-Based Recommender Systems

Blockchain has recently raised significant attention among many scientists as a promising technology in the field of distributed systems. The main properties of blockchain that make it popular are decentralization, transparency, and immutability. The novelty of blockchain technology poses many challenges in this area. One of these challenges is managing data in blockchain and providing data that is appropriate to the user's interests. This challenge in current centralized systems is addressed through recommender systems. Implementing recommender systems within smart contracts increases transaction costs and inaccurate recommendations due to the lack of complex computational capabilities of machine learning algorithms in smart contract programming languages. This paper proposes a method to improve data-based blockchain recommendation systems. In this method, data is stored in a blockchain structure that is defined in smart contract. This data is then provided to recommender system out of blockchain through the public key of the smart contract to be processed for providing the appropriate recommendations to the user. The results are then stored in blockchain through a transaction to be presented to the user. The results of the present study and comparison with previous works show that performing complex off-chain calculations reduces the transaction cost in terms of Gas consumption for the smart contract deployment as well as the execution of recommendation function defined in smart contract. In consequence, we can achieve more scalability in blockchain-based recommender systems.