邻域协同过滤中构建新用户相似度列表的更快算法
信息检索
2015-06-01 v1
摘要
基于邻域的协同过滤(CF)因易于实现和高推荐精度已在工业界应用数十年。作为基于邻域CF的核心，动态维护用户相似度列表的任务受到冷启动问题与可扩展性问题的挑战。近来，提出了若干解决这两个问题的方法。然而，这些方法在一种特殊情况下应用了算法来计算相似度列表，其中具有足够推荐数据的新用户拥有相同的评分列表。为解决该特殊情况引起的大计算成本，我们设计了一种更快的()算法——TwinSearch Algorithm，以避免重复计算和排序新用户的相似度列表，从而节省计算资源。理论与实验结果均表明TwinSearch Algorithm比传统方法取得了更好的运行时间。
引用
@article{arxiv.1505.07900,
title = {A Faster Algorithm to Build New Users Similarity List in Neighbourhood-based Collaborative Filtering},
author = {Zhigang Lu and Hong Shen},
journal= {arXiv preprint arXiv:1505.07900},
year = {2015}
}