基于满二叉树的二分K-means聚类并行推荐算法

• 作者: 陈传瑜 陈平华
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 满二叉树 K-means 聚类 推荐算法 MapReduce
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 高性能计算
• 页码范围: 1450-1457
• 页数: 8页
• 分类号: TP311
• 字数: 5937字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.08.006

摘要

在推荐系统中应用K-means算法聚类可有效降维,然而聚类效果往往依赖于选定的初始中心,并且一旦选定目标簇后,推荐过程只针对目标簇进行,与其他簇无关.针对上述两个问题,提出一种基于满二叉树的二分K-means聚类并行推荐算法.该算法首先反复迭代二分K-means算法,迭代过程中使用簇内凝聚度作为分裂阈值,形成一颗满二叉树;然后通过层次遍历将用户归入到K个叶子节点(簇);最后针对K个簇,应用MapReduce框架进行并行推荐预测.MovieLens上的实验结果表明,该算法可大幅度提高推荐系统准确性,同时增强系统可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈平华	广东工业大学计算机学院	84	860	11.0	28.0
2	陈传瑜	广东工业大学计算机学院	3	74	3.0	3.0