论文部分内容阅读
推荐系统能够有效解决用户在海量数据下个性化获取有效数据问题。传统推荐模型一般离线完成训练后再上线使用,不能实时更新模型以至随着时间的推移推荐结果并不精确。为了解决上述问题,提出一种基于增量矩阵分解的协同过滤推荐模型,该模型能够处理流式数据完成在线训练并实时更新模型。实验结果表明,该模型在保证较高召回率的同时其模型更新时间远快于其他模型。