基于Hadoop分布式改进聚类协同过滤推荐算法研究

• 作者: 孙天昊 朱庆生 李明 黎安能
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 Hadoop 矩阵分解 聚类 分布式计算
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 124-128
• 页数: 5页
• 分类号: TP301.6
• 字数: 4314字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1405-0415

摘要

为了改善协同过滤推荐算法在大数据下的稀疏性和可扩展性问题，提出一种基于Hadoop平台的分布式改进聚类协同过滤推荐算法。在分布式平台下，离线对高维稀疏数据采用矩阵分解算法预处理，改善数据稀疏性后通过改进项目聚类算法构建聚类模型，根据聚类模型和相似性计算形成推荐候选空间，在线完成推荐。实验验证该算法能够有效改善推荐系统的推荐质量并大大提高推荐效率，同时在云环境中具有良好可扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱庆生	重庆大学计算机学院	175	1952	22.0	33.0
2	孙天昊	重庆大学计算机学院	24	175	8.0	12.0
3	李明	重庆大学计算机学院	40	501	13.0	21.0
4	黎安能	重庆大学计算机学院	1	41	1.0	1.0