10.16652/j.issn.1004-373x.2016.21.006
云计算环境中资源优化推荐技术研究
随着系统规模的不断扩大和数据获取量的指数级增长,在传统推荐系统的冷启动、精确性、扩展性等问题严峻化的同时,实时性问题亦成为面向海量数据推荐系统新的瓶颈点.基于传统推荐领域的主流算法,提出了一个扩展向量推荐模型.根据扩展模型对推荐算法中对象的向量进行合理扩展,通过相似度计算等过程动态选取推荐集,完成对目标对象更精确的推荐.实验结果表明,与传统推荐算法相比,基于新模型的推荐算法可以显著地提升推荐效果,成功克服冷启动问题.
扩展向量推荐模型、协同过滤、SlopeOne、ALS-WR、分布式计算
39
TN911-34;TM417
引企入校——创新IT类人才培养的实践平台2012GJJG136;以培养IT企业适应型人才为目标的软件测试KPI考核体系的构建与研究2015GJJG275
2016-11-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
24-28