• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议> >A Social Network-Aware Top-A/ Recommender System using GPU
【24h】

A Social Network-Aware Top-A/ Recommender System using GPU

机译：使用GPU的可识别社交网络的Top-A /推荐系统

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A book recommender system is very useful for a digital library. Good book recommender systems can effectively help users find interesting and relevant books from the massive resources, by providing individual recommendation book list for each end-user. By now, a variety of collaborative filtering algorithms have been invented, which are the cores of most recommender systems. However, because of the explosion of information, especially in the Internet, the improvement of the efficiency of the collaborative filling (CF) algorithm becomes more and more important. In this paper, we first propose a parallel Top-;V recommendation algorithm in CUDA (Compute Unified Device Architecture) which combines the collaborative filtering and trust-based approach to deal with the cold-start user problem. Then based on this algorithm, we present a parallel book recommender system on a GPU (Graphics Processor unit) for CADAL digital library platform. Our experimental results show our algorithm is very efficient to process the large-scale datasets with good accuracy, and we report the impact of different values of parameters on the recommendation performance.
机译：推荐书系统对于数字图书馆非常有用。好的图书推荐器系统可以通过为每个最终用户提供单独的推荐书单，来有效地帮助用户从海量资源中找到有趣且相关的书。到目前为止，已经发明了多种协作过滤算法，它们是大多数推荐系统的核心。但是，由于信息的爆炸性增长，尤其是在互联网上，协作填充（CF）算法效率的提高变得越来越重要。在本文中，我们首先在CUDA（计算统一设备体系结构）中提出了并行的Top-; V推荐算法，该算法结合了协作式过滤和基于信任的方法来解决冷启动用户问题。然后基于此算法，我们在用于CADAL数字图书馆平台的GPU（图形处理器单元）上提出了一个并行的图书推荐系统。我们的实验结果表明，我们的算法非常有效，可以高精度地处理大规模数据集，并且我们报告了不同参数值对推荐性能的影响。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号