原文服务方: 计算机应用研究       
摘要:
针对推荐算法未考虑大数据量计算导致系统性能差及基于历史评分的相似性不能反映用户兴趣动态变化的问题,提出了满足用户兴趣漂移的计算自适应快速推荐算法。该算法依据CPU 等计算资源使用率动态调整待推荐用户窗口,并按项目类别及其访问热度动态分配计算时间,计算自适应项目与目标用户的优先级和相似性计算难易度,提高计算效率与响应速度;建立访问次数随时间变化的兴趣度量函数自适应用户兴趣漂移,提高推荐质量。实验结果表明,算法速度更快、推荐更准确、用户体验更好。
推荐文章
基于内容和兴趣漂移模型的电影推荐算法研究
个性推荐
词向量模型
用户偏好
兴趣漂移
聚类
集合相似度
基于用户兴趣和服务满足度的服务搜索和推荐算法
Mashup
服务
标签
社会化网络
用户兴趣剖面
服务满足度剖面
自适应用户的Item-based协同过滤推荐算法
推荐系统
协同过滤
Item-based
自适应用户
条目相似性
信息过载
改进的快速自适应分块均值漂移算法
跟踪
均值漂移
质心
两帧法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 满足用户兴趣漂移的计算自适应快速推荐算法
来源期刊 计算机应用研究 学科
关键词 用户兴趣漂移 计算自适应 推荐算法
年,卷(期) 2015,(9) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2669-2673
页数 5页 分类号 TP181|TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2015.09.026
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王硕 河北科技大学信息科学与工程学院 17 30 3.0 5.0
3 孙光明 北京交通大学计算机与信息技术学院 18 82 4.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (703)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (21)
二级引证文献  (39)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(8)
  • 引证文献(5)
  • 二级引证文献(3)
2018(20)
  • 引证文献(0)
  • 二级引证文献(20)
2019(14)
  • 引证文献(2)
  • 二级引证文献(12)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
用户兴趣漂移
计算自适应
推荐算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导