- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种数据递增式的混合推荐方法.pdf
2014年 第23卷 第 i0期 http://www.c-S-a.org.cn 计 算 机 系 统 应 用
一 种数据递增式的混合推荐方法①
陈洪涛 ,肖如 良 ,林丽玉 ,颜杰敏 ,蔡声镇 ’
(福建师范大学 软件学院,福州 350108)
(73683部队,福州 350O03)
摘 要:推荐系统 由于较大的训练数据量和推荐算法较高的复杂度,其推荐的更新周期往往较长.然而系统上的
数据时刻都在增长,更新推荐期间会产生大量数据,这些新数据对下一刻的推荐有较大的利用价值,系统却无法
及时利用起来.为了能及时的利用这些新数据来提高推荐系统的推荐质量,提出一种数据递增式的混合推荐方
法.该模型主要分为离线计算模块和在线推荐模块,离线模块用于计算出个性化推荐列表,在线推荐模根据递增
的实时数据维护一个流行趋势动量表,然后结合两个模块的结果给出匿名推荐或者个性化推荐.实验证明,该方
法简单、有效、可行,能较好的改善推荐系统性能.
关键词:推荐系统;更新周期;递增数据;流行趋势动量;混合推荐
NewApproachtoHybridRecomm endationBasedonIncrementalData
CHENHong.Tao,XIAORu-Liang ,LINLi.Yu1YANJie-M in2CAJSheng-Zhen
,
](FacultyofSofiware,FujianNormalUniversity,Fuzhou350108,China)
(73683Army,Fuzhou350108,China)
Abstract:Duetothelargeamountoftrainingdataandthehighcomplexityofitsrecommendalgorithm,theupdating
cycleofrecommendationsystem tendtobelong.However,thedataonhtesystem isgrowingallhtetime,andalotof
dataisproducedduringhtecycle,whichisusefulforhterecommendationofnextmoment,na drecomm endationsystem
Cna ’tusethesedataintime.Inordertousehtesedataintimetoimprovehtequalityofrecomm endationsystem,anew
approach to hybrid recomm endation based on incrementaldaat Was proposed.The approach mainly divided
recomm endationintoofflinena donlinemodule,hteoffi inemoduleisusedtoproducehtepersonalizedrecommendation
list,whilehteonlinerecomm endationmodulemaintainsalistofpopulra rtendmomentum basedonreal-timena d
incremenatldaat.Then,combiningwiht theresultsofhtetwomodules,basedonwhichgiveusersanonymousor
personalizedrecommendation.Experimentsshow htathteapproachissimple,effective,feasible,nadCna improvehte
performnaceofrecomm endationsystem better.
Keywords:recomm endationsystem;updatingcycle;incrementaldaat;popularrtendmomentum;hybridrecommend-
dation
1 引言 对海量数据时快速找到喜欢物品的需求,推荐系统应
大数据不仅意味着海量的数据,同时也关联了技 运而生.几乎所有的推荐系统都是由前台展示页面、
术的巨大发展与创新
文档评论(0)