基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法

摘要：

针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.

关键词：分布式计算、交替最小二乘法(ALS)、奇异值分解(SVD)、推荐算法

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金项目;国家自然科学基金;湖北省科技支撑计划项目;中央高校基本科研业务费专项资金

在线出版日期：2020-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：32-40