高维稀疏大数据中并行随机梯度下降算法研究
【文章页数】:59 页
【学位级别】:硕士
【部分图文】:
图1-1隐特征模型的构造过程示意图
第1章绪论2(3)所生成的隐特征准确的表示了由HiDS矩阵的已知数据所描述的每个用户/项目的特征。因此LF模型不仅用于推荐系统,还可以进一步应用于许多后续的数据分析任务,如社区检测和聚类等。图1-1隐特征模型的构造过程示意图Fig.1-1Thesketchmapofconstru....
图1-2推荐系统算法分类Fig.1-2Classificationofrecommendationsystemalgorithms协同过滤算法是推荐领域应用最多的算法,与基于内容的推荐算法不同,协
第1章绪论3术研究的重要实验场景。经过多年的发展,我们将推荐系统算法分为基于内容推荐(Content-basedRecommendation)、协同过滤推荐(CollaborativeFilteringRecommendation)和混合推荐三种,如图1-2所示。基于内容推荐是需....
图2-1高维稀疏矩阵Fig.2-1High-dimensionalsparsematrix
第2章隐特征分析方法9之间的完整关系映射,因此在传统的稀疏矩阵中,这样的HiDS矩阵中包含了大量的缺失数据,而不是零。所以HiDS矩阵具有高维度和极度稀疏两大特性,其定义如下:定义2.1:给定一个目标矩阵R|U|×|I|来表示用户和项目之间的关系矩阵,U和I分别表示用户和项目的集....
图2-2隐特征分析原理示意图
第2章隐特征分析方法11,,(1)()(1),,,(1),2221(1)1,,,(1)11,(1),(1)111,,,,,argmin,,{1,2,...,}:12,SGDuiPQtttuiukuktukddtttuiPukQiktkkuktukttttukuiikPukikPQ....
本文编号:3936426
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3936426.html