Key points are not available for this paper at this time.
एक सिफारिश प्रणाली m उपयोगकर्ताओं के एक समूह द्वारा n उत्पादों की पिछली खरीदारी या रेटिंग का उपयोग करके व्यक्तिगत उपयोगकर्ताओं को व्यक्तिगत सिफारिशें प्रदान करती है। जानकारी को m n पसंद मैट्रिक्स के रूप में मॉडल किया जाता है जिसे एक छोटे निरंतर k के लिए एक अच्छे रैंक-k अनुमान होने का अनुमानित किया जाता है। इस कार्य में, हम सिफारिश प्रणालियों के लिए एक क्वांटम एल्गोरिदम प्रस्तुत करते हैं जिसकी चलने का समय O (poly (k) polylog (mn) ) है। सभी ज्ञात शास्त्रीय सिफारिश प्रणाली एल्गोरिदम जो पसंद मैट्रिक्स के एक अनुमान को फिर से बनाने के माध्यम से काम करते हैं, मैट्रिक्स के आयाम में बहुपद समय में चलते हैं। हमारा एल्गोरिदम समुचित सिफारिशें प्रदान करता है जो पसंद मैट्रिक्स के एक अनुमान से कुशलता से सैंपलिंग करके, पूरी मैट्रिक्स को फिर से बनाए बिना। इसके लिए, हम एक दिए गए मैट्रिक्स के पंक्ति स्थान पर एक दिए गए वेक्टर को प्रक्षिप्त करने के लिए एक कुशल क्वांटम प्रक्रिया डिज़ाइन करते हैं। यह सिफारिश प्रणालियों के लिए पहला एल्गोरिदम है जो मैट्रिक्स के आयामों में बहुपतलैखिक समय में चलता है और एक वास्तविक दुनिया के अनुप्रयोग के लिए एक क्वांटम मशीन लर्निंग एल्गोरिदम का उदाहरण प्रदान करता है।
Kerenidis et al. (मंगल,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: