一种基于标签和协同过滤的并行推荐算法

• 作者: 李海生 白璐 祝晓斌 蔡强
• 来源期刊: 高技术通讯
• 关键词: 协同过滤 推荐 标签 TF-IDF MapReduce
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 先进制造与自动化技术
• 页码范围: 307-312
• 页数: 6页
• 字数: 4267字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2015.03.011

摘要

针对基于用户打分的传统协同过滤推荐算法存在准确率较低以及计算延时的问题,提出了一种基于标签与协同过滤的并行混合推荐算法.该算法通过计算标签的词频-逆文档频率(TF-IDF)值降低流行标签的权重,根据用户的历史行为预测用户对其他资源的偏好值,最后依据预测偏好值排序产生Top-N推荐结果.对该算法的计算效率与复杂度进行了理论分析,并且通过并行编程模型MapReduce使其得到了实现,最后在实验中进行了它与Apache软件基金会项目Mahout的协同过滤算法的对比分析.实验结果表明该算法有较高的准确性,能有效地提高推荐效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡强	北京工商大学计算机与信息工程学院	65	684	15.0	23.0
2	李海生	北京工商大学计算机与信息工程学院	52	406	11.0	18.0
3	白璐	北京工商大学计算机与信息工程学院	2	3	1.0	1.0
4	祝晓斌	北京工商大学计算机与信息工程学院	7	60	3.0	7.0