基于 IALM 和填充可信度的协同过滤算法及其并行化研究

• 作者: 李书琴 李灿 蔡骋 马晓骥
• 来源期刊: 计算机应用研究
• 关键词: 协同过滤 填充可信度 指数遗忘函数 Hadoop 并行化
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2954-2958,2976
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.10.018

摘要

为解决传统协同过滤推荐中存在的数据稀疏性和可扩展性问题，基于IALM和填充可信度提出了并行化的协同过滤算法。该算法利用非精确增广拉格朗日乘子法（IALM）对评分矩阵和评分时间矩阵进行填充；引入填充可信度，并与指数遗忘函数结合，对填充评分进行加权修正，在此基础上应用协同过滤算法进行预测评分；最后基于Hadoop平台对算法进行了并行化设计与实现。实验结果表明，该算法能够提高推荐质量，同时基于Hadoop平台的算法运算效率明显提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李书琴	西北农林科技大学信息工程学院	79	485	12.0	16.0
2	李灿	西北农林科技大学信息工程学院	6	69	5.0	6.0
3	蔡骋	西北农林科技大学信息工程学院	23	158	8.0	11.0
4	马晓骥	西北农林科技大学信息工程学院	2	14	2.0	2.0