排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
2.
推荐系统由于较大的训练数据量和推荐算法较高的复杂度,其推荐的更新周期往往较长.然而系统上的数据时刻都在增长,更新推荐期间会产生大量数据,这些新数据对下一刻的推荐有较大的利用价值,系统却无法及时利用起来.为了能及时的利用这些新数据来提高推荐系统的推荐质量,提出一种数据递增式的混合推荐方法.该模型主要分为离线计算模块和在线推荐模块,离线模块用于计算出个性化推荐列表,在线推荐模根据递增的实时数据维护一个流行趋势动量表,然后结合两个模块的结果给出匿名推荐或者个性化推荐.实验证明,该方法简单、有效、可行,能较好的改善推荐系统性能. 相似文献
1