-
题名云环境下top-n推荐算法
被引量：5
- 1
-
-
作者
黄震华
-
机构
同济大学计算机科学与工程系
同济大学嵌入式系统与服务计算教育部重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2015年第1期54-61,共8页
-
基金
国家自然科学基金(No.61272268)
教育部新世纪优秀人才支持计划(No.NCET-12-0413)
+2 种基金
国家973基础研究发展计划(No.2014CB340404)
霍英东教育基金会应用研究课题(No.142002)
同济大学中央高校基本科研业务费专项资金
-
文摘
Top-n推荐技术是近年来信息服务领域的一个研究重点和热点.针对云环境下的top-n推荐算法进行了深入研究,提出了适合top-n推荐的多层分布式存储架构MDSA(Multilayer Distributed Storage Architecture),并从降低网络传输代价出发,设计了基于MDSA架构的数据编码模式,进而利用map/reduce分布式编程模型来快速实现topn推荐.此外,为了满足实际的需求,给出了三种top-n推荐的应用扩展.理论分析和实验结果表明,本文所提的方法具有有效性和实用性.
-
关键词
云数据
top-n推荐
MAPREDUCE
信息服务
-
Keywords
cloud data
top-n recommendation
mapreduce
information service
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
-
题名SVDSLIM推荐算法研究
- 2
-
-
作者
周亚运
李慧慧
-
机构
三峡大学计算机与信息学院
-
出处
《信息通信》
2018年第2期9-10,共2页
-
文摘
Pure SVD推荐算法通过重构分解矩阵而获得推荐结果,稀疏线性(SLIM)算法侧重于通过挖掘物品之间的线性关系而产生推荐效果。为了提高Top-N推荐质量,文章提出了一种基于Pure SVD、SLIM的混合推荐算法—SVDSLIM算法。该算法会对Pure SVD、SLIM算法的推荐结果赋予不同的权重,然后将处理过的推荐结果作为新的推荐列表。实验结果表明,SVDSLIM算法在各种数据集上推荐质量要优于其他算法。
-
关键词
稀疏线性
SVDSLIM算法
top-n推荐
-
Keywords
sparse linear method
SVDSLIM algorithm
Top N recommender system
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名融合双聚类技术的新型协同过滤算法
- 3
-
-
作者
左东石
-
机构
内蒙古农业大学计算机与信息工程学院
-
出处
《湘潭大学自然科学学报》
CAS
2018年第2期108-111,共4页
-
基金
内蒙古农业大学基础学科科研启动基金项目(JC2015007)
-
文摘
针对传统协同过滤算法因未考虑用户与项目之间的对偶性而产生的数据稀疏问题,提出一种基于双聚类技术和Top-n推荐技术的新型协同过滤算法:通过同时对行之间和列之间进行聚类,可以对用户和项目之间的相似性进行辨识,从而确定二者的分组信息;利用Top-n算法快速、精确地搜索出最佳的服务推荐.为了验证所提方法的有效性,在网络服务数据集上进行了相关实验.实验结果表明提出的方法能够在存在稀疏数据的情况下为用户提供有效的推荐,提高网络服务推荐的搜索精确性,提升CPU的有效利用率,并大幅度增强了算法的鲁棒性.
-
关键词
协同过滤
数据稀疏
双聚类技术
稀疏度
top-n推荐
-
Keywords
collaborative filtering
date sparsity
biclustering technique
sparsity
top-n recommendation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
