大数据应用基于大数据的推荐算法研究34 .pptxVIP

基于大数据的推荐算法研究 21课题背景与研究意义TopKS算法3基于项目层次结构相似性的推荐算法45论文框架 矩阵分解并行化总结与展望新闻推荐图书推荐淘宝网当当网央广网亚马逊课题背景启发式的协同过滤 代表的方法：KNN基于模型的协同协同过滤 代表的方法：矩阵分解课题背景user1(3, 2, ?, 4)user2(2, 3, ?, ?)user3(?, ?, 4, 3)user4(4, ?, ?, 1)user5(?, 5, 5, ?)余弦距离皮尔逊相关系数………课题背景.≈.=u2v2X21*y21 + x22* y22 + x23 * y23 ≈ 3交替下降梯度下降研究意义用户量猛增项目（商品、新闻等）数量猛增推荐算法的可扩展性不强TopkS算法TopKS是Top K Similarity的简写，即最大的前K个相似度。主要包含以下三部分：采用余弦距离和皮尔逊相关公式累加性特点引入倒排索引数据结构结合TopK思想TopkS算法余弦距离皮尔逊相关系数TopkS算法倒排索引TopkS算法计算u1和其他用户的相似度TopkS算法 假设查找用户ui的最近邻用户，当前计算到用户ui和uj第k1个共同项目（i != j），而ui和uj有k个共同评分项目,则分为两种情况：如果uj已经在最近邻列表LS中，则直接更新列表中的相似度；如果uj不在最近邻列表LS中，则计算用户ui和uj可能的最大值，下