计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
12期
3481-3486
,共6页
精确欧氏局部敏感哈希%协同过滤%相似性度量%推荐系统%近似近邻
精確歐氏跼部敏感哈希%協同過濾%相似性度量%推薦繫統%近似近鄰
정학구씨국부민감합희%협동과려%상사성도량%추천계통%근사근린
Exact Euclidean Locality-Sensitive Hashing (E2LSH)%collaborative filtering%similarity measuring%recommendation system%approximate nearest neighbor
针对推荐系统中用户评分数据的海量高维与稀疏性,以及直接利用传统相似性度量方法来获取近邻的计算量大、结果不准等对推荐质量的影响,提出基于精确欧氏局部敏感哈希(E2LSH)的协同过滤推荐算法.首先利用精确欧氏局部敏感哈希算法对用户评分数据进行降维处理并构建索引,以快速获取目标用户的近邻用户;然后利用加权策略来预测用户评分,进而完成协同过滤推荐.实验结果表明,该算法能有效解决用户数据的海量高维与稀疏性问题,且运行效率高,具有较好的推荐质量.
針對推薦繫統中用戶評分數據的海量高維與稀疏性,以及直接利用傳統相似性度量方法來穫取近鄰的計算量大、結果不準等對推薦質量的影響,提齣基于精確歐氏跼部敏感哈希(E2LSH)的協同過濾推薦算法.首先利用精確歐氏跼部敏感哈希算法對用戶評分數據進行降維處理併構建索引,以快速穫取目標用戶的近鄰用戶;然後利用加權策略來預測用戶評分,進而完成協同過濾推薦.實驗結果錶明,該算法能有效解決用戶數據的海量高維與稀疏性問題,且運行效率高,具有較好的推薦質量.
침대추천계통중용호평분수거적해량고유여희소성,이급직접이용전통상사성도량방법래획취근린적계산량대、결과불준등대추천질량적영향,제출기우정학구씨국부민감합희(E2LSH)적협동과려추천산법.수선이용정학구씨국부민감합희산법대용호평분수거진행강유처리병구건색인,이쾌속획취목표용호적근린용호;연후이용가권책략래예측용호평분,진이완성협동과려추천.실험결과표명,해산법능유효해결용호수거적해량고유여희소성문제,차운행효솔고,구유교호적추천질량.
