电子商务协同过滤可扩展性研究综述

被引：14

作者：

李聪

机构：

[1] 四川师范大学计算机科学学院

来源：

现代图书情报技术 | 2010年 / 11期

关键词：

电子商务; 推荐系统; 协同过滤; 可扩展性;

D O I：

暂无

中图分类号：

F49 [信息产业经济];

学科分类号：

1201 ;

摘要：

在介绍传统协同过滤算法的基础上,将协同过滤可扩展性改善技术归纳为6类,包括聚类、概率方法、降维、基于项目、数据集缩减以及线性模型,重点评述各类算法的研究情况,并将其基本思路总结为两点:在尽量不影响推荐质量的前提下,缩小最近邻查询空间;定期离线进行用户相似性度量和最近邻搜寻,减小在线推荐计算量。最后探讨该领域未来的两个研究方向,即基于分布式结构的协同过滤算法、基于形式概念分析的最近邻搜寻。

引用

页码：37 / 44

页数：8

共 20 条

[11] Collaborative recommending using formal concept analysis
du Boucher-Ryan, Patrick
Bridge, Derek
[J]. KNOWLEDGE-BASED SYSTEMS, 2006, 19 (05) : 309 - 315
[12] Collaborative filtering based on iterative principal component analysis
Kim, D
Yum, BJ
[J]. EXPERT SYSTEMS WITH APPLICATIONS, 2005, 28 (04) : 823 - 830
[13] Component-wise robust linear fuzzy clustering for collaborative filtering
Honda, K
Ichihashi, H
[J]. INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 2004, 37 (02) : 127 - 144
[14] Latent semantic models for collaborative filtering
Hofmann, T
[J]. ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) : 89 - 115
[15] Feature Weighting and Instance Selection for Collaborative Filtering: An Information-Theoretic Approach*
Kai Yu
Xiaowei Xu
Martin Ester
Hans-Peter Kriegel
[J]. Knowledge and Information Systems, 2003, 5 (2) : 201 - 224
[16] Eigentaste: A Constant Time Collaborative Filtering Algorithm[J] . Ken Goldberg,Theresa Roeder,Dhruv Gupta,Chris Perkins.Information Retrieval . 2001 (2)
[17] E-Commerce Recommendation Applications[J] . J. Ben Schafer,Joseph A. Konstan,John Riedl.Data mining and knowledge discovery . 2001 (1-2)
[18] ClustKNN:A Highly Scalable Hybrid Model-＆Memory-Based CF Algorithm. Rashid A M,Lam S K,Karypis G et al. WEBKDD 2006 . 2006
[19] Slope One Predictors for Online Rating-based Collaborative Filtering. Lemire D,Maclachlan A. Proceedings ofthe5th SIAM International Conference on Data Mining . 2005
[20] 适应用户兴趣变化的协同过滤增量更新机制[J]. 李聪,梁昌勇.情报学报. 2010 (01)

← 1 2 →