一种数据递增式的混合推荐方法

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

分类号：TP3;TN9

资助基金：教育部规划基金11YJA860028;福建省自然科学基金2013J01219

在线出版日期：2014-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：119-124