您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201712-39
论文题目 基于矩阵分解和数据流的推荐算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 1

基于矩阵分解和数据流的推荐算法

首发时间:2017-12-04

丛义昊 1   

丛义昊(1993-),男,硕士,主要研究方向:大数据与数据挖掘

于艳华 1   

于艳华(1974-),女,副教授,主要研究方向:大数据与数据挖掘

  • 1、北京邮电大学计算机学院,北京 100876

摘要:协同过滤算法是推荐算法中应用最广泛的算法之一,目前基于矩阵分解的协同过滤算法往往是针对静态数据的,缺乏对动态数据的处理能力,导致模型更新周期长、推荐时效性差的问题。针对目前在分布式平台中采用参数服务器控制模型训练过程中存在的滞后梯度和掉队者问题,本文提出一种使用迭代数据流和对等参数交换网络来代替参数服务器的方法,并在经典的MovieLens-1m数据集上进行了实验。实验结果表明,算法能够降低近一半的模型训练通讯开销,同时提高系统的推荐时效性。

关键词: 矩阵分解 流计算 对等网络 推荐系统

For information in English, please click here

Recommendation Algorithm based on Matrix Factorization and Data Stream

CONG Yihao 1   

丛义昊(1993-),男,硕士,主要研究方向:大数据与数据挖掘

YU Yanhua 1   

于艳华(1974-),女,副教授,主要研究方向:大数据与数据挖掘

  • 1、School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:Collaborative filtering algorithm is one of the most widely used methods in recommendation algorithm. However, recent studies based on matrix factorization focus on static data and lack the adaptability to dynamic data, resulting in long updating period of model and poor recommendation effectiveness. Aiming at the straggler and delayed-gradient problems in using parameter server to control model training in distributed platform, a new method of using peer-to-peer parameter exchange network is proposed and experiments on Movielens-1m in this work. Experimental results show that the algorithm can reduce the communication cost by half, while improving the systems\'s effectiveness of recommendation.

Keywords: matrix factorization stream computing peer-to-peer network recommendation system

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
丛义昊,于艳华. 基于矩阵分解和数据流的推荐算法[EB/OL]. 北京:中国科技论文在线 [2017-12-04]. http://www.paper.edu.cn/releasepaper/content/201712-39.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于矩阵分解和数据流的推荐算法