改进相似度的分布式个性化推荐

• 作者: 赵伟 马小军
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 个性化推荐 分布式计算 支持向量机 区分度
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 126-131
• 页数: 6页
• 分类号: TP311
• 字数: 7012字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1203-0762

摘要

相似度计算在个性化推荐系统中是基本运算，但无论是基于内容还是基于协同过滤的推荐，目前常用的向量相似度计算还存在可以改进之处。在海量公开的数据集上的实验表明，在基于内容的推荐中引入机器学习方法以及在协同过滤推荐中引入区分度来改善相似度计算，可以获取更高的准确率。对MapReduce的分布式计算流程的改进，使得相似度计算更为高效。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马小军	北京联合大学信息学院	17	160	7.0	12.0
2	赵伟	北京大学计算机科学技术研究所	67	416	11.0	17.0