基于位置編碼索引樹的個性化推薦算法
大小：0.89 MB 人氣： 2017-12-23 需要積分：1
標簽：推薦算法(9953)
針對協(xié)同過濾算法在海量數(shù)據(jù)環(huán)境個性化推薦應用中存在的低效率問題，結合MapReduce框架特點，設計了一種應用于個性化推薦的基于位置編碼的索引樹（ LB-Tree），創(chuàng)新性地將索引結構應用于個性化推薦。利用聚類資源的差異性存儲策略，提升MapReduce任務處理并行性；根據(jù)聚類數(shù)據(jù)分布特征，以質心為圓心對聚類中的數(shù)據(jù)對象進行同心圓分層，并對每層采用不同長度的二進制編碼來表達，將所有數(shù)據(jù)對象的編碼組織成索引樹結構，縮短頻繁推薦的數(shù)據(jù)查找路徑，達到個性化推薦時利用索引結構快速確定搜索空間的目的。與基于項目的Top-N推薦算法和基于最近鄰的推薦算法（ SBNM）相比，LB-Tree所需時間開銷增長最慢，準確率最高，驗證了方法的有效性和高效性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于位置編碼索引樹的個性化推薦算法下載
相關電子資料下載
- TikTok將開發(fā)獨立版推薦算法，以滿足美國用戶需求？ 426
- 快手的短視頻推薦算法（1） 782
- 詳解推薦算法的架構流程 2871
- 《麻省理工科技評論》發(fā)布了最新的2021年10大突破性技術的概念 2814
- top-N推薦算法評測的影響有哪些？ 1846
- 基于賽靈思FPGA的廣告推薦算法Wide and deep硬件加速案例 2775
- 互聯(lián)網(wǎng)廣告推薦迎來變革，雪湖科技聯(lián)合賽靈思發(fā)布推薦算法解決方案 1614
- 基于阿里云FPGA云的廣告推薦算法加速器 985
- 基于深度學習的推薦算法大部分都存在不同程度的數(shù)據(jù)集缺失和源碼缺失 3690
- 基于標簽的推薦算法應用場景、基于標簽的推薦算法原理介紹 16714