文献类型：期刊文章

作　　者：马腾[1,2] 牛少彰[1,2] 史成洁[1,2]

MA Teng;NIU Shao-zhang;SHI Cheng-jie(School of Computer Science,Beijing University of Posts and Telecommunications,Beijing 100876,China;Institute of Information Engineering,Chinese Academy of Sciences,Beijing 100093,China)

机构地区：[1]北京邮电大学计算机学院,北京100876 [2]中科院信息工程研究所,北京100093

出　　处：《新一代信息技术》

基　　金：国家自然科学基金(项目编号:61370195,61070207)。

年　　份：2020

卷　　号：3

期　　号：6

起止页码：1-9

语　　种：中文

收录情况：普通刊

摘　　要：推荐算法是数据挖掘领域中应用最广泛的技术之一,目前的推荐算法主要针对静态数据,缺乏对流式数据的适应性,和实时变化性的要求。本文提出了一种实时推荐算法,该算法每隔一定时间间隔离线更新商品特征矩阵和相似度矩阵,可以在用户实时评分之后,立刻根据用户最近一段时间的评分,产生实时推荐列表。并且在新的分布式流计算框架Flink上实现了一个电商推荐系统,在renttherunway数据集上进行了实验。实验结果表明,该算法能够在保证推荐准确率和可扩展性的同时,满足实时性和变化率的要求。

关 键 词：计算机科学与技术 推荐系统 实时  电商 Flink  

分 类 号：TP301.6]