[发明专利]基于自适应分布式计算的在线推荐方法、系统和移动终端

摘要

本发明公开了一种基于自适应分布式计算的在线推荐方法、系统和移动终端，其中，自适应性分布式计算主要是通过每一处理装置自适应性地将大数据抽样后训练矩阵分解模型来实现的，然后自发性地进行增量式的模型在线更新，最后对各个模型进行加权集成推荐。这种推荐系统不需要通过任何分布式计算模型去建立集群。而且能够在单台或者多台普通计算机上有效处理的处理海量数据，不仅稳定性好，可扩展性高，而且还可以大大节约成本和开发效率。

主权项

一种基于自适应分布式计算的在线推荐方法，用于通过处理装置对海量数据信息处理后向用户进行推荐，其特征在于，所述在线推荐方法包括以下步骤：A、根据处理装置的处理能力，采用基于范数的矩阵抽样算法从海量数据信息中抽样后进行分配，令每一处理装置能够独自处理分配的数据信息；B、利用基于偏置量的矩阵分解模型对所分配的数据信息进行训练，得到一评分预测模型；C、通过增量式在线更新方法更新所述评分预测模型；D、通过加权集成更新后的评分预测模型获取对用户的最终推荐列表；所述步骤A中，采用基于范数的矩阵抽样算法具体包括以下步骤：A1、获取海量数据信息对应的数据矩阵；A2、对所述数据矩阵的行和列进行采样，得到一子矩阵；并根据向量的第一或第二范数来确保采样后的子矩阵包含的数据和海量数据之间的近似度小于预定的误差阈值。