计算机应用研究

作者：成英超,郝志峰,蔡瑞初,

单位：1.广东工业大学计算机学院,广州510006；2.德克萨斯农工(A&M)大学统计系,美国德克萨斯科里吉斯德新77840；3.佛山科学技术学院,数学与大数据学院,广东佛山510000；

关键词：统计推荐模型,异构数据源,资源配置,凸优化,

基金：国家自然科学基金资助项目(61472089,61572143)；NSFC-广东联合基金资助项目(U1501254)；广东省自然科学基金资助项目(2014A030306004,2014A030308008)；广东省科技计划资助项目(2013B051000076,2015B010108006,2015B010131015)；广东特支计划资助项目(2015TQ01X140)；广州市珠江科技新星项目(201610010101)；；

信息系统中的统计推荐模型需要获取、分析和汇总多个来源的数据。这些多源异构的数据集在特征和价值方面可能存在显著差异，因而影响模型性能。为了提升统计推荐模型的整体性能，该研究采用凸优化理论和方法，解决了统计推荐模型中异构数据源的最优资源配置问题。在不同的数据源资源配置下，该工作对比了同一推荐模型的性能变化。实验结果表明，该工作提出的资源分配算法在NDCG（normalized discounted cumulative gain）和召回率这两个推荐系统主要评价指标上有效地提升了模型性能。该工作的结论是：针对多个异构数据源，适当的资源划分和分配策略可以显著影响推荐模型的整体性能。

来源：2020年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第8期