Item-Based并行协同过滤推荐算法的设计与实现

• 作者: 吉根林 燕存
• 来源期刊: 南京师大学报（自然科学版）
• 学科: 工学
• 关键词: 推荐系统 协同过滤 Hadoop MapReduce
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 71-75
• 页数: 5页
• 分类号: TP311
• 字数: 3937字
• 语种: 中文

摘要

基于协同过滤的推荐已成为推荐系统中广泛采用的推荐技术。由于应用中用户数目和商品条目的日益增长，在计算相似度和计算预测时，单机集中式计算已不能满足推荐系统实时性和可扩展性的要求。针对这一问题，设计并实现了Item-Based并行协同过滤推荐算法。该算法采用Hadoop的MapReduce与HDFS架构，可分为Map与Reduce两个过程。通过在Map和Reduce节点上的并行处理可提高算法的执行效率。实验结果表明，该算法可明显减少推荐时间，提高推荐实时性，获得良好的可扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉根林	南京师范大学计算机科学与技术学院	138	2757	22.0	50.0
2	燕存	南京师范大学计算机科学与技术学院	1	16	1.0	1.0