协同过滤推荐算法对比分析与优化应用

• 作者: 张学钱 林世平 郭昆
• 来源期刊: 计算机系统应用
• 关键词: 协同过滤 相似性 Hadoop Slope-One SVD
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 软件技术?算法
• 页码范围: 100-105
• 页数: 6页
• 字数: 4571字
• 语种: 中文

摘要

协同过滤推荐算法分为基于内存和基于模型的推荐算法，协同过滤推荐算法存在数据稀疏性、可扩展性、冷启动等问题。通过基于用户、基于项目协同过滤推荐算法以及SVD、Slope-One、KNN等基于模型协同过滤推荐算法对比分析。提出加入特征向量维度优化的SVD算法，通过降维改善数据稀疏性问题。利用Hadoop分布式平台改善推荐算法可扩展性问题。基于MovieLens数据集实验结果表明，引入基于Boolean相似性计算方法的推荐效果更优，引入数量权重和标准差权重的优化 Slope-One 算法和引入特征向量维度的优化 SVD 算法推荐效果更优。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林世平	福州大学数学与计算机科学学院	34	380	8.0	19.0
2	郭昆	福州大学数学与计算机科学学院	37	180	8.0	11.0
3	张学钱	福州大学数学与计算机科学学院	1	18	1.0	1.0