【摘 要】
：
协同过滤算法研究正面临两大挑战：一是提高推荐系统的质量,尤其是高维稀疏数据系统的推荐质量;二是提高算法的可伸缩性。为了解决该问题,笔者提出了一个基于用户近邻和项目近
【机 构】
：
大连东软信息学院嵌入式系统工程系,大连理工大学生物医学工程系
【基金项目】
：
国家自然科学基金资助项目（11172060）
论文部分内容阅读
协同过滤算法研究正面临两大挑战：一是提高推荐系统的质量,尤其是高维稀疏数据系统的推荐质量;二是提高算法的可伸缩性。为了解决该问题,笔者提出了一个基于用户近邻和项目近邻的协同过滤改进算法。为了提高系统在线推荐性能,该算法分2步：1）线下的相似度计算和近邻计算;2）在线预测。通过对N个用户近邻和N个项目近邻的有效结合,该算法在线计算的空间复杂度为O（N）且具有较好的可伸缩性。实验表明,与经典的Pearson协同过滤算法相比,该算法不仅提高了推荐性能,而且也适用于高维稀疏数据系统。
其他文献
游船继续前行，不一会儿便来到了万亩荷塘。只见那田田的荷叶，一望无际，有的刚探出水面，娇羞地蜷（quán）縮着身体；有的高高耸立，仿佛一把撑开的绿伞。船儿驶近荷塘，只见那万绿丛中，一朵朵荷花竞相开放，有的荷叶遮面，宛如一位害羞的少女；有的欣然怒放，好像正在迎接我们；还有的花瓣已经落了几片，花朵中央正孕育着碧绿的莲蓬。这美不胜收的景色让我不由得想起了南宋诗人杨万里写的流传千古的名句——“接天莲叶无穷碧
利用世界银行2006年启动的＂通过降低农业干预减贫＂2期项目中的研究方法,测度了中国食糖1994~2006年的名义保护率（NRA）和农户层面上的名义保护率（NRAf）,以此来判断农业贸易自由化对