期刊专题

基于Spark平台ALS模型推荐算法的研究与优化

引用
推荐算法是推荐系统的重要组成部分,交替最小二乘算法ALS(Alternating Least Squares)在许多大规模数据处理过程中,经常用于计算潜在的因子矩阵分解.对于ALS算法迭代次数多、收敛时间长的问题,该文提出了一种采用非线性共轭梯度算法NCG(nonlinear conjugate gradient)对ALS算法进行改进,来加快ALS算法的收敛速度,并对该方法进行了实验研究,通过在MovieLens 10M数据集上的实验结果表明,ALS-NCG模型推荐算法在收敛过程中,比ALS模型推荐算法迭代次数少,时间消耗少.

Spark、最小二乘法、矩阵分解、推荐系统、协同过滤

15

TP311.52(计算技术、计算机技术)

2019-06-21(万方平台首次上网日期,不代表论文的发表时间)

共4页

19-22

暂无封面信息
查看本期封面目录

电脑知识与技术

1009-3044

34-1205/TP

15

2019,15(13)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn