典型文献
改进的增量式动静结合协同过滤方法
文献摘要：
矩阵分解算法在推荐系统中因其具有较高的预测精度和良好的扩展性已被广泛运用,然而当前的矩阵分解算法大多处理的是静态数据,随着训练数据的逐渐增加,传统的矩阵分解方法需要对已有全部数据进行重新训练以更新模型,这样随之带来的时间花销和计算成本也大大增加.因此,如何在短时间内进行物品的评分预测以进行合理准确的推荐是研究的主要问题.针对此问题,提出了一种改进的增量式矩阵分解算法,主要思想是在预测过程中,根据评分来源分区域处理数据.分区域处理的方法可以有效地缩短计算的时间,并且将精度保持在一定范围内.在静态训练模块,初始的用户和物品的特征训练将不占用在线训练时间,并且在初始数据量较大时可以获得较好的精度;在动态训练模块中,对新进入的用户集和物品集上的相应评分提取并训练得到相应的小动态矩阵,在此之后动态维护和更新小矩阵,在此小矩阵上进行后续的特征训练.同时,为了在保证训练精度的同时降低动态矩阵的训练时间,采用了一种基于随机梯度下降方法的快速更新策略,该方法有效缩短了时间并且提高了一部分精度.在两个公开的数据集上的实验结果证明了此算法的优越性.
文献关键词：
推荐系统;协同过滤;矩阵分解;增量模型;冷启动
中图分类号：
作者姓名：
武美;丁怡彤;赵建立
作者机构：
山东科技大学 计算机科学与工程学院,山东 青岛 266590;东北林业大学 信息与计算机工程学院,哈尔滨 150040
文献出处：
引用格式：
[1]武美;丁怡彤;赵建立-.改进的增量式动静结合协同过滤方法)[J].计算机科学与探索,2022(09):2089-2095
A类：
B类：
增量式,动静结合,协同过滤,过滤方法,矩阵分解,推荐系统,扩展性,多处,静态数据,训练数据,分解方法,新训,更新模型,花销,计算成本,大大增加,评分预测,分来,在线训练,训练时间,数据量,分提,练得,小动,动态矩阵,在此之后,随机梯度下降方法,快速更新,更新策略,增量模型,冷启动
AB值：
0.418775
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
