基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为实现大数据环境下高效、精准的商品推荐,将协同过滤思想与信息检索理论有机融合,提出基于学习排序(LTR)的并行协同过滤推荐算法.首先利用相似物品-物品网络图结构共享参数的方法减少参数,通过Pairwise方法构造目标函数,并利用梯度上升法得到参数.还提出了通过使用层次聚类的方法对差异性较大的相似图进行分裂,以保证推荐的准确度.最后给出大数据平台Spark下该推荐算法的并行化实现方案.在真实数据集Netflix上的实验结果表明:提出的算法不仅在召回率和准确率上有所提高,而且计算效率高效,表明该方法可以应用于大数据场景中的推荐服务.
推荐文章
基于GPU的并行协同过滤算法
协同过滤
图形处理器
统一计算设备框架
基于密度的动态协同过滤图书推荐算法
协同过滤
个性化推荐
动态
相似度
基于用户引力的协同过滤推荐算法
推荐算法
协同过滤推荐
万有引力定律
社会标签
基于用户历史行为的协同过滤推荐算法
数据挖掘
协同过滤
用户偏好
项目相似度
个性化推荐
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于学习排序的并行协同过滤推荐算法
来源期刊 华中科技大学学报(自然科学版) 学科 工学
关键词 推荐算法 协同过滤 学习排序(LTR) TopN推荐 并行化 Spark平台
年,卷(期) 2018,(3) 所属期刊栏目 电子与信息工程
研究方向 页码范围 36-41
页数 6页 分类号 TP391
字数 语种 中文
DOI 10.13245/j.hust.180307
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄昌勤 华南师范大学教育信息技术学院 18 91 6.0 9.0
2 肖菁 华南师范大学计算机学院 13 108 6.0 10.0
3 袁凌 华中科技大学计算机科学与技术学院 10 18 3.0 4.0
4 吴不晓 华南师范大学计算机学院 2 10 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
推荐算法
协同过滤
学习排序(LTR)
TopN推荐
并行化
Spark平台
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
华中科技大学学报(自然科学版)
月刊
1671-4512
42-1658/N
大16开
武汉市珞喻路1037号
38-9
1973
chi
出版文献量(篇)
9146
总下载数(次)
26
总被引数(次)
88536
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导