从量子计算到个性化推荐
|
摘要
量子计算作为一种与传统计算基本原理完全不同的方式,可以适用于信息量极大的个性化推荐场景。本文从个性化推荐的算法入手,分析了基于量子聚类分析的推荐算法。通过对该算法的聚类中心分析,量子计算能够有效地提高个性化推荐的效率和安全,具有十分广阔的前景。
Quantum computing,as a completely different way from the basic principles of traditional computing,can be applied to a personalized recommendation scenario with a large amount of information. This paper starts from the personalized recommendation algorithm and analyzes the recommendation algorithm based on quantum clustering analysis. By analyzing the clustering center of the algorithm, quantum computing can effectively improve the efficiency and safety of personalized recommendation,and has a very broad prospect.
Quantum computing,as a completely different way from the basic principles of traditional computing,can be applied to a personalized recommendation scenario with a large amount of information. This paper starts from the personalized recommendation algorithm and analyzes the recommendation algorithm based on quantum clustering analysis. By analyzing the clustering center of the algorithm, quantum computing can effectively improve the efficiency and safety of personalized recommendation,and has a very broad prospect.
引文
[1]马文蔚,周雨青,解希顺.物理学(下册)[M]. 6版.北京:高等教育出版社,2014.
[2]王书浩,龙桂鲁.大数据与量子计算[J].科学通报,2015,60(5-6):499-508.
[3]曾志浩,张琼林,姚贝,等.基于Mahout分布式协同过滤推荐算法分析与实现[J].计算技术与自动化,2015,34(3):67-72.
[4] HORN D,GOTTLIEB A. The method of quantum clustering[EB/OL].[2002-04]. https://www.researchgate.net/publication/2538697.
[5]王潮,王云江,胡风.量子计算机的商业化进展及对信息安全的挑战[J].网络与信息安全学报,2016,2(3):00026(1)-00026(11).
[6]范桁.量子计算与量子模拟[J].物理学报,2018,67(12):120301(1)-120301(10).
[7]章岩扉.量子计算机的原理、发展及应用[J].内燃机与配件,2018(7):224-225.
[8]许铁山.通用量子计算机的组成及实现[J].电子技术与软件工程,2018(7):150.
[9]张弛.浅谈通用量子计算机:理论、组成与实现[J].中国战略新兴产业,2018(12):101.
[10]佚名.量子计算机[J].山东交通科技,2018(1):122.
[11]黄丽,石松芳.基于用户关注度的个性化推荐系统研究[J].软件导刊,2018,17(5):90-92.
[12]陈晓璇,刘洪伟,曹宁.基于用户在线行为的个性化推荐研究[J].合作经济与科技,2018(7):86-87.
[13]苏一丹,房骁,覃华,等.量子近邻传播聚类算法的研究[J].广西大学学报(自然科学版),2018,43(2):561-568.
[14]张雪松.文本聚类及其在电子病历分析中的应用研究[D].北京:北京交通大学,2018.
[15]孟志浩,刘建伟,韩静.基于结构特征的时序聚类方法研究[J].中兴通讯技术,2018,24(3):61-66.
[16]黄敏行.量子计算机原理及研究成果[J].数字通信世界,2017(11):234,242.
[17]李育实.计算机原理及其应用[J].电脑知识与技术,2017,13(29):241-242.
[2]王书浩,龙桂鲁.大数据与量子计算[J].科学通报,2015,60(5-6):499-508.
[3]曾志浩,张琼林,姚贝,等.基于Mahout分布式协同过滤推荐算法分析与实现[J].计算技术与自动化,2015,34(3):67-72.
[4] HORN D,GOTTLIEB A. The method of quantum clustering[EB/OL].[2002-04]. https://www.researchgate.net/publication/2538697.
[5]王潮,王云江,胡风.量子计算机的商业化进展及对信息安全的挑战[J].网络与信息安全学报,2016,2(3):00026(1)-00026(11).
[6]范桁.量子计算与量子模拟[J].物理学报,2018,67(12):120301(1)-120301(10).
[7]章岩扉.量子计算机的原理、发展及应用[J].内燃机与配件,2018(7):224-225.
[8]许铁山.通用量子计算机的组成及实现[J].电子技术与软件工程,2018(7):150.
[9]张弛.浅谈通用量子计算机:理论、组成与实现[J].中国战略新兴产业,2018(12):101.
[10]佚名.量子计算机[J].山东交通科技,2018(1):122.
[11]黄丽,石松芳.基于用户关注度的个性化推荐系统研究[J].软件导刊,2018,17(5):90-92.
[12]陈晓璇,刘洪伟,曹宁.基于用户在线行为的个性化推荐研究[J].合作经济与科技,2018(7):86-87.
[13]苏一丹,房骁,覃华,等.量子近邻传播聚类算法的研究[J].广西大学学报(自然科学版),2018,43(2):561-568.
[14]张雪松.文本聚类及其在电子病历分析中的应用研究[D].北京:北京交通大学,2018.
[15]孟志浩,刘建伟,韩静.基于结构特征的时序聚类方法研究[J].中兴通讯技术,2018,24(3):61-66.
[16]黄敏行.量子计算机原理及研究成果[J].数字通信世界,2017(11):234,242.
[17]李育实.计算机原理及其应用[J].电脑知识与技术,2017,13(29):241-242.