文献类型：期刊文章

作　　者：樊艳清[1] 李明智[1] 纪佳琪[2]

FAN Yan-qing;LI Ming-zhi;JI Jia-qi(Information Center,Hebei Normal University for Nationalities,Chengde 067000;Math and Computer College,Hebei Normal University for Nationalities,Chengde 067000)

机构地区：[1]河北民族师范学院信息中心,承德067000 [2]河北民族师范学院数学与计算机科学学院,承德067000

出　　处：《现代计算机》

基　　金：河北省高等学校科学技术研究项目(No.Z2019053);河北省引进留学人员资助项目(No.C20190179);河北省文化旅游大数据技术创新中心(No.SG2019036)。

年　　份：2020

卷　　号：26

期　　号：17

起止页码：20-24

语　　种：中文

收录情况：普通刊

摘　　要：推荐系统能够有效解决用户在海量数据下个性化获取有效数据问题。传统推荐模型一般离线完成训练后再上线使用,不能实时更新模型以至随着时间的推移推荐结果并不精确。为了解决上述问题,提出一种基于增量矩阵分解的协同过滤推荐模型,该模型能够处理流式数据完成在线训练并实时更新模型。实验结果表明,该模型在保证较高召回率的同时其模型更新时间远快于其他模型。

关 键 词：矩阵分解 增量更新  推荐系统 协同过滤

分 类 号：TP391.3]