一种数据递增式的混合推荐方法

• 作者: 林丽玉 肖如良 蔡声镇 陈洪涛 颜杰敏
• 来源期刊: 计算机系统应用
• 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
• 年，卷（期）: 2014,（10）
• 所属期刊栏目: 软件技术?算法
• 页码范围: 119-124
• 页数: 6页
• 字数: 5004字
• 语种: 中文

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡声镇	福建师范大学软件学院	73	596	13.0	20.0
2	林丽玉	福建师范大学软件学院	15	76	3.0	8.0
3	肖如良	福建师范大学软件学院	29	154	7.0	11.0
4	陈洪涛	福建师范大学软件学院	6	53	4.0	6.0