一种改进Minhash的分布式协同过滤推荐算法

• 作者: 吴博文 陈曦
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 协同过滤 兴趣偏好 相似度计算 分布式计算
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 95-100
• 页数: 6页
• 分类号: TP311
• 字数: 5722字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1407-0117

摘要

协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容。衡量用户（资源）的相似性是协同过滤算法的核心内容，在数据量大的系统中，用户（资源）的相似性度量会面临准确性和计算复杂性等问题，影响到推荐效果。提出一种改进的协同过滤推荐算法，提取用户兴趣偏好的多值信息，运用改进Minhash算法度量用户相似性，并结合Mapreduce分布式计算，合理、高效地产生用户邻居，实现对用户的评分推荐。实验结果表明：改进算法能有效改善大数据集的推荐准确性并提高推荐效率，降低了推荐耗时。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈曦	长沙理工大学计算机与通信工程学院	56	361	12.0	16.0
2	吴博文	长沙理工大学计算机与通信工程学院	1	2	1.0	1.0