论文部分内容阅读
随着系统规模的不断扩大和数据获取量的指数级增长，在传统推荐系统的冷启动、精确性、扩展性等问题严峻化的同时，实时性问题亦成为面向海量数据推荐系统新的瓶颈点。基于传统推荐领域的主流算法，提出了一个扩展向量推荐模型。根据扩展模型对推荐算法中对象的向量进行合理扩展，通过相似度计算等过程动态选取推荐集，完成对目标对象更精确的推荐。实验结果表明，与传统推荐算法相比，基于新模型的推荐算法可以显著地提升推荐效果，成功克服冷启动问题。