大规模互联网推荐系统优化算法

• 作者: 周文欢 姜鹏 许峰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 推荐系统 相似度计算 协同过滤 网络分割
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 107-113
• 页数: 7页
• 分类号: TP391.09
• 字数: 6111字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.12.017

摘要

推荐系统是互联网应用中的关键技术之一,该系统通过分析用户行为,用主动向用户推荐产品的方式替代被动地接受用户请求.优秀的推荐系统不仅可以提高用户体验,还能增加用户购买欲望.协同过滤算法是推荐系统中广泛应用的算法之一.在大规模网络中,传统协同过滤算法将出现极端稀疏问题,且算法效率低下.设计了一种通过对网络分割、分组的协同过滤算法,该算法的目的是将大规模网络通过一定的分割规则分割并分组,利用分治的思想,将问题分解为子问题然后求解,以优化算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许峰	河海大学计算机与信息学院	31	352	10.0	17.0
2	姜鹏	河海大学计算机与信息学院	3	5	1.0	2.0
3	周文欢	河海大学计算机与信息学院	2	4	1.0	2.0