基于粒子群优化算法的协同过滤推荐并行化研究

• 作者: 周丽 游思晴 薛菲 赵东杰
• 来源期刊: 北京邮电大学学报
• 学科: 地球科学
• 关键词: 协同过滤推荐算法 RLPSO算法 K-means算法 Spark
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 研究报告
• 页码范围: 115-122
• 页数: 8页
• 分类号: P315.69
• 语种: 中文
• DOI: 10.13190/j.jbupt.2018-028

摘要

针对常用协同过滤推荐算法存在计算性能瓶颈的问题,提出了在Spark上并行化实现协同过滤推荐算法RLPSO_KM_CF.首先,通过具备反向学习和局部学习能力的粒子群优化(RLPSO)算法寻找粒子群最优解,输出优化后的聚类中心;然后,运用RLPSO_KM算法对用户信息进行聚类;最后,将传统协同过滤推荐算法与RLPSO_KM聚类结合,从而对目标用户进行有效推荐.实验结果显示,RLPSO_KM_CF算法在推荐准确度方面有显著提高,具有较高的加速比,稳定性也得到了一定提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周丽	北京物资学院信息学院	39	151	7.0	11.0
2	赵东杰	北京物资学院信息学院	9	15	2.0	3.0
3	游思晴	北京物资学院信息学院	4	27	2.0	4.0
4	薛菲	北京物资学院信息学院	5	8	2.0	2.0