模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (1): 32-40    DOI: 10.16451/j.cnki.issn1003-6059.202001004
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法
李琳1, 王培培1, 谷鹏1, 解庆1
1. 武汉理工大学 计算机科学与技术学院 武汉 430070
Distributed Singular Value Decomposition Recommendation Algorithm Based on LU Decomposition and Alternating Least Square
LI Lin1 , WANG Peipei1 , GU Peng1 , XIE Qing1
1. School of Computer Science and Technology, Wuhan University of Technology, Wuhan 430070

全文: PDF (751 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对当前分布式潜在因子推荐算法存在时间复杂度较高、运行时间较长的问题,文中提出基于LU分解和交替最小二乘法(ALS)的分布式奇异值分解推荐算法,利用ALS利于分布式求解目标函数的特点,提出网格状分布式粒度分割策略,获取相互独立不相关的特征向量.在更新特征矩阵时,使用LU分解求逆矩阵,加快算法的运行速度.在KDD CUP 2012 Track1中的腾讯微博数据集上的实验表明,文中算法在确保一定推荐精度的前提下,大幅提升推荐速度和算法效率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李琳
王培培
谷鹏
解庆
关键词 分布式计算交替最小二乘法(ALS)奇异值分解(SVD)推荐算法    
Abstract:Aiming at the problems of high time complexity and long running time of the current distributed potential factor recommendation algorithm, a distributed singular value decomposition recommendation algorithm based on LU decomposition and alternating least square(ALS) is proposed. Based on the characteristics of ALS for distributed solution of objective function, a grid-like distributed granularity segmentation strategy is proposed to obtain independent and unrelated feature vectors. When the characteristic matrix is updated, LU decomposition is adopted to solve the inverse matrix to speed up the operation of the algorithm. The experiment on Tencent Weibo dataset in KDD CUP 2012 Track1 indicates that the recommendation speed and efficiency of the proposed algorithm is significantly improved on the premise of ensuring a certain recommendation accuracy.
Key wordsDistributed Computing    Alternating Least Square(ALS)    Singular Value Decomposition(SVD)    Recommender System   
收稿日期: 2019-08-20     
ZTFLH: TP 391  
基金资助:国家社会科学基金项目(No.15BGL048)、国家自然科学基金(No.61602353)、湖北省科技支撑计划项目(No.2015BAA072)、中央高校基本科研业务费专项资金(No.WUT:2017II39GX,2016-YS-068)资助
通讯作者: 李 琳,博士,教授,主要研究方向为信息检索、推荐系统、机器学习、数据挖掘.E-mail:cathylilin@whut.edu.cn.   
作者简介: 王培培,博士研究生,主要研究方向为自然语言处理、推荐系统.E-mail:ppwang07@whut.edu.cn.谷 鹏,硕士,主要研究方向为数据挖掘、组推荐、信息检索.E-mail:380059082@qq.com.解 庆,博士,副教授,主要研究方向为流数据挖掘、模式分析、知识服务、推荐系统.E-mail: felixxq@whut.edu.cn.
引用本文:   
李琳, 王培培, 谷鹏, 解庆. 基于LU分解和交替最小二乘法的分布式奇异值分解推荐算法[J]. 模式识别与人工智能, 2020, 33(1): 32-40. LI Lin , WANG Peipei , GU Peng , XIE Qing. Distributed Singular Value Decomposition Recommendation Algorithm Based on LU Decomposition and Alternating Least Square. , 2020, 33(1): 32-40.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202001004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I1/32
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn