基于学习排序的并行协同过滤推荐算法

• 作者: 吴不晓 肖菁 袁凌 黄昌勤
• 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
• 页码范围: 36-41
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13245/j.hust.180307

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.

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