新闻与科学文献推荐的流式算法：带 d-背包约束的亚模最大化

亚模最大化问题属于组合优化问题族，有着广泛应用。本文关注在 $d$-背包约束下最大化单调亚模函数的问题，为此我们提出一种流式算法，该算法达到最优值的 $\left(\frac{1}{1+2d}-\epsilon\right)$-近似，同时仅需对数据集进行单次扫描而无需将所有数据存入内存。在我们的实验中，我们通过两个应用广泛评估了所提算法的有效性：新闻推荐与科学文献推荐。观察到相较于现有方法，所提流式算法实现了数个数量级的执行加速与内存节省。