This topic created in 2799 days ago, the information mentioned may be changed or developed.
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。
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
Xs0ul Aug 28, 2018  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。
|
Select Language