高效多核协同过滤
机器学习
2011-08-18 v2 分布式、并行与集群计算
摘要
本文描述了 LeBuSiShu 团队在 ACM KDD CUP 2011 竞赛中 track1 所采用的解决方案（最终获得第 5 名）。我们确定了两个主要挑战：独特的物品分类特征以及大规模数据集。为了处理物品分类，我们提出了一种名为矩阵分解物品分类正则化 (MFITR) 的新方法。MFITR 在十多种已实现的算法中获得了第二好的预测结果。为了快速计算各种算法的多个解，我们在 GraphLab 机器学习框架之上实现了一个开源并行协同过滤库。我们报告了使用 BlackLight 超级计算机获得的一些初步性能结果。
引用
@article{arxiv.1108.2580,
title = {Efficient Multicore Collaborative Filtering},
author = {Yao Wu and Qiang Yan and Danny Bickson and Yucheng Low and Qing Yang},
journal= {arXiv preprint arXiv:1108.2580},
year = {2011}
}
备注
In ACM KDD CUP Workshop 2011