次の問題を解決するためのより良い方法を考えることができません...? 行と列がある種のIDである大きなテーブルがあると想像してください。本のIDとしましょう
book_id-->1 2 3 .....
1 1 0.92 0.33
2
3
この表のエントリは、各書籍がどの程度類似しているかを示しています。上の表から、書籍 1 と書籍 2 の類似度指数は 0.92 です。
だから、私はすでにバンクエンドでこれを計算しました..「n」エントリとしましょう。
n+1 から、データはリアルタイムで取得されます。
だから私がしなければならない最初のステップは、この新しい行を埋めることです..非常に単純なアプローチはこれです.
i = 0; i < total_books ; i++
sim(book(n+1),book(i))
本の類似性を計算する計算が非常に高速であるとしましょう。しかし、これは「n」回発生する必要があるため、合計すると..
そして、「m」個の新しい本がある場合、そのn ^ 2操作です（私は思います）。この計算を受け入れられるようにする、より優れたアルゴリズム/データ構造はありますか。
また、いくつかの背景を埋めるためだけに。この類似性は、2 つのベクトル間の内積に他なりません。（コサインの類似性をグーグルで検索すると、アイデアが得られます）。しかし、それは空想的なものではありません.. 2 つのベクトルの間の内積を取るだけです.. 0 と 1 の間の値を返します。