基于增量矩阵分解的协同过滤推荐模型研究

• 作者: 李明智 樊艳清 纪佳琪
• 来源期刊: 现代计算机
• 关键词: 矩阵分解 增量更新 推荐系统 协同过滤
• 年，卷（期）: 2020,（17）
• 所属期刊栏目: 研究与开发
• 页码范围: 20-24
• 页数: 5页
• 字数: 3403字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2020.17.004

摘要

推荐系统能够有效解决用户在海量数据下个性化获取有效数据问题.传统推荐模型一般离线完成训练后再上线使用,不能实时更新模型以至随着时间的推移推荐结果并不精确.为了解决上述问题,提出一种基于增量矩阵分解的协同过滤推荐模型,该模型能够处理流式数据完成在线训练并实时更新模型.实验结果表明,该模型在保证较高召回率的同时其模型更新时间远快于其他模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	樊艳清	河北民族师范学院信息中心	2	0	0.0	0.0
2	纪佳琪	河北民族师范学院数学与计算机科学学院	7	1	1.0	1.0
3	李明智	河北民族师范学院信息中心	1	0	0.0	0.0