21、协同过滤与网络组织配置的创新探索

协同过滤与网络组织配置的创新探索

1. 协同过滤算法的优化与实验

1.1 现有协同过滤算法的问题

当前先进的协同过滤（CF）实现存在一个主要缺点，即计算复杂度高。其计算复杂度会随着系统中用户数量和物品数量的增加而线性增长。

1.2 提出的解决方案

为了启发式地减少所需的计算量，提出在内容可寻址的类 CAN（Content-Addressable Network）N 维空间中实现协同过滤。

1.3 实验验证

• Jester 数据集实验 ：在 Jester 笑话评分数据集上进行的实验表明，提出的启发式算法优于传统的穷举 KNN 搜索。该算法显著降低了计算开销，同时保持了相似的准确性。例如，对于 14000 个用户，比较次数减少了 87%。并且，当 K 值增加时，比较次数大致保持不变，这使得可以在较小的计算开销下增加检索的最近邻数量，从而提高预测的准确性。
• 聚类属性验证实验 ：另一个实验旨在验证内容可寻址空间的固有聚类属性。结果表明，在类 CAN 空间中，该属性成立，即与活跃用户相隔一定网络跳数的用户之间的差异会随着网络跳数的增加而增大，且该属性不受插入系统的用户数量和插入顺序的影响。
• 向量补全启发式实验 ：最后一个实验比较了三种将不完整向量转换为完整向量的简单启发式方法。实验结果显示，有条件地集成另外两种启发式方法的启发式方法在检索邻域的相似性和生成预测的准确性方面都优于其他两种方法。虽然完整向量生成的预测准确性略好，但由于补全启发式方法引入