矩阵分解在大规模个性化推荐系统中的实际应用

• 作者: 徐细林 李毅
• 来源期刊: 现代计算机
• 关键词: 推荐系统 矩阵分解 交替最小二乘法 笛卡尔乘积 堆排序
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 研究与开发
• 页码范围: 22-24,29
• 页数: 4页
• 字数: 2869字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2018.05.004

摘要

从描述推荐系统的应用场景开始,详细介绍底层数据采集,数据处理以及矩阵分解算法原理和交替最小二乘法(ALS)的推导过程,并解决实际应用中Spark带来的笛卡尔乘积导致的内存爆炸和计算规模过大的问题.并在千万级活跃用户的场景推荐中给出矩阵分解和其他推荐算法在多个评价指标上的表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李毅	四川大学计算机学院	67	282	10.0	13.0
2	徐细林	四川大学计算机学院	2	2	1.0	1.0