一种数据递增式的混合推荐方法.pdfVIP

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