高效图推荐算法应用研究

为解决PersonalRank图推荐算法在推荐系统应用中的效率问题,从降低时间复杂度和减少迭代次数两方面进行算法优化。首先,构建推荐系统中用户行为数据二分图和迭代推荐模型;然后,建立转移矩阵,通过矩阵运算转换传统迭代模型,求解稀疏矩阵线性方程组直接得到系统稳态,有效降低了推荐算法的时间复杂度;最后,通过确定游走概率,在不影响系统精度前提下,各节点概率值收敛前就提前停止迭代,大幅减少了系统迭代次数。实验表明,转移矩阵法推荐效率比传统迭代法提高了211倍左右,游走概率取值为0.1时精度趋于稳定。优化后的算法能有效提高推荐效率。

无代理技术的设计与实现

代理的大量使用会导致额外资源消耗增加的问题,同时当今云计算领域无代理技术因多次I/O操作的模拟而存在一定的处理时延。为了解决这些问题,设计了一种高效的无代理技术的实现架构,从减少代理数量和降低处理时延两个方面进行优化改进。研究了用户请求捕获响应、虚拟磁盘多机同时访问、操作隔离和降低处理时延等设计实现难点问题的解决方案。实验表明设计的无代理技术,能够避免传统代理模式导致的额外资源消耗问题;读写操作效率,分别是一般无代理模式的6.3倍和4.1倍,传统代理模式的9.7倍和5.7倍,可以大幅提高处理效率。