这是一个创建于 2140 天前的主题,其中的信息可能已经有所发展或是发生改变。
我的想法是这样的,根据用户的日期、时间、地点、甚至是浏览器等即时信息,组织一个特征向量,然后再和数据库里面的相似特征向量物品做相似推荐。
一般推荐系统对于这种情况都是做离线计算,或者做异步推送,留出的时间会比较长。
但是我想做一个实时返回( 0.1s 以内)的推荐列表,有什么复杂度较低的算法?
现在想到的只有手工写些决策规则来做。
1 条回复 • 2018-08-28 23:30:07 +08:00
|
|
1
Xs0ul 2018-08-28 23:30:07 +08:00 1
如果是基于直接比较相似度,全比较一遍理论上就是 o(n)的。所以要用快速的方法筛掉大部分不可能的向量,比如用 kdtree,或者用你自己手工写的规则做第一步筛选。
|