Implementazione di un algoritmo di clustering

Negli ultimi anni, la crescente quantità di dati generati dagli utenti ha portato allo sviluppo di sofisticati algoritmi di profilazione e raccomandazione. Questi algoritmi mirano a comprendere il comportamento e le preferenze degli utenti al fine di personalizzare l'esperienza utente. L'obiettivo principale di questa tesi è presentare un algoritmo innovativo per la memorizzazione delle preferenze utente basato sui numeri primi. Dopo aver analizzato in dettaglio le caratteristiche dei processi di profilazione in un contesto di economia digitale, si presentano i principali algoritmi di raccomandazione e raccolta dati, facendo enfasi su potenziali vantaggi e svantaggi di queste tecniche. In particolare, le performance dell'algoritmo proposto vengono confrontate con le performance della matrice delle preferenze e l'ArrayList utente. Il confronto viene eseguito sia a livello teorico (costo computazionale) che a livello pratico (quantità di memoria effettivamente utilizzata).\\ Da questo studio è emerso che l'algoritmo basato sui numeri primi abbia ottime performance rispetto gli altri algoritmi studiati per quanto riguarda lo spazio di archiviazione dei dati. Però presenta prestazioni peggiori per quanto riguarda le performance sulla velocità. C'è anche da dire che queste performance sono soprattutto dovute al linguaggio di programmazione usato e alla macchina sulla quale sono stati svolti i test. In altri linguaggi e con altri elaboratori più potenti le performance potrebbero essere migliori.