改进学习率的一种高效SVD++算法

摘要：

推荐系统的核心包括推荐算法及其所依赖的大数据.推荐算法的高效计算,是实现实时人机交互的基本要求.在各种推荐算法中,SVD++算法因其特殊优点而得到广泛应用.但是,大数据背景下SVD++推荐算法的突出问题是计算效率低,难以满足实时人机交互要求.为解决这一问题,提出一种新的方法来提高SVD++推荐算法的计算效率,其核心是采用新的学习率函数对目标函数的指标进行优化.该学习率函数结合指数函数和一次函数的升降速率特点,具有初期值大、中期下降迅速以及后期值小且变化缓慢的特点.仿真实验证明了该方法的有效性.

关键词：推荐系统、推荐算法、大数据、SVD++、计算效率、学习率

所属期刊栏目：41

分类号：TN911.1-34

资助基金：山西省国际合作项目2015081007;2016年太原理工大学教改项目24;山西省优秀人才科技创新项目201605D211021 Project Supported by Shanxi International Cooperation Project2015081007;Teaching Reform Project of Taiyuan University of Technology in 201624;Science and Technology Innovation Project of Excellent Talents in Shanxi201605D211021

在线出版日期：2018-02-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：146-150,156