基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统协同过滤的推荐机制应用在大规模数据上时,如果在要保证推荐质量会导致占用运行时间和存储空间的增加.研究分析了Minhash在大规模数据上的降雏原理,论证了将minhash应用到协同过滤,设计并实现基于Minhash算法的协同过滤模型.实验结果表明Minhash能在保证推荐质量的前提下很大程度上缩短计算时间和存储空间,能有效地扩展到大规模数据集.
推荐文章
推荐系统中协同过滤技术的研究
协同过滤推荐技术
数据稀疏
MAE
推荐系统
协同过滤算法优化在推荐系统中的应用
电子商务
推荐系统
协同过滤
情感性需求
基于协同过滤和Rankboost算法的酒店推荐系统
推荐系统
协同过滤
Rankboost算法
基于密度的动态协同过滤图书推荐算法
协同过滤
个性化推荐
动态
相似度
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 基于Minhash的协同过滤技术在推荐系统中的应用
来源期刊 微型电脑应用 学科 工学
关键词 协同过滤 大规模数据集 Minhash
年,卷(期) 2017,(10) 所属期刊栏目 开发应用
研究方向 页码范围 67-70
页数 4页 分类号 TP311
字数 4126字 语种 中文
DOI
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 刘艾侠 24 12 2.0 2.0
2 刘丹丹 24 83 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(3)
  • 参考文献(3)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
协同过滤
大规模数据集
Minhash
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
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导