大数据应用基于大数据的推荐算法研究.pptVIP

矩阵分解并行化 分块策略与运行时间的关系 分块策略与中间数据量的大小关系 第三十一页，共三十五页。 矩阵分解并行化 工作节点数量与运行时间的关系 第三十二页，共三十五页。 总结与展望 本文工作 对传统的相似度度量方法进行改进 提出基于项目标签层次结构的相似度度量方法 矩阵分解算法并行化 未来展望 利用MPI分布式模型并行化矩阵分解模型； 实现通过构造传统推荐算法的近似算法把传统推荐算法并行化 第三十三页，共三十五页。 谢谢! 第三十四页，共三十五页。 内容总结 基于大数据的推荐算法研究。基于模型的协同协同过滤。user2(2, 3,。, 4, 3)。, 5, 5,。X21*y21 + x22* y22 + x23 * y23 ≈ 3。TopKS是Top K Similarity的简写，即最大的前K个相似度。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。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，下面是余弦距离和皮尔逊相关系数可能的最大值：。计算出 之后，。注意： 是一个常数，对因子矩阵中的每个元素都一样。C = AB。谢谢 第三十五页，共三十五页。 * 这里是毕业论文的框架，主要包括以下几个部分 课题背景和研究意义（第一第二章，绪