协同过滤算法为用户提供推荐商品，CF带来的两个问题是如何解决大并发性和用户信息的稀疏度对系统带来的影响。本文提供了并发算法ALS-WR，正是基于以上两点挑战CF，同时也是为Netfilx Prize设计的算法，根据实验结果，ALS-WR算法的效果会随着特征值和迭代次数的增加而提高。使用Netflix包含1000个隐特征的数据集，ALS-WR得到的RMSE是0.8985，这是基于单纯一个算法的最优结果。与其他并行算法结合，我们得到了将Netflix的CineMatch系统效果提高5.91%。对于超大数据据，ALS-WR简单并可扩展性良好。协同过滤算法为用户提供推荐商品，CF带来的两个问题是如何解决大并发性和
阅读背景：
large-scale parallel collaborative filtering for the Netfile Priza
来源：互联网
分享到：
