大规模互联网推荐系统优化算法
推荐系统是互联网应用中关键技术之一,该系统通过分析用户的行为,通过主动向用户推荐产品的方式替代被动接受用户请求.优秀的推荐系统不仅可以提高用户体验,还能提高用户购买欲望.协同过滤算法是推荐系统中广泛应用的算法之一.在大规模网络中,传统协同过滤算法将出现极端稀疏问题,且算法效率低下.本文设计了一种通过对网络分割、分组的协同过滤算法,该算法目的是将大规模网络通过一定的分割规则分割并分组,利用分治的思想,将问题分解为子问题的求解,达到算法性能的优化.
互联网推荐系统 信息检索 优化算法 协同过滤
姜鹏 许峰 周文欢
河海大学计算机与信息学院,江苏 南京 211100
国内会议
张家界
中文
129-135
2013-07-01（万方平台首次上网日期，不代表论文的发表时间）