基于Hadoop平台的优化协同过滤推荐算法研究

• 作者: 申晋祥 鲍美英
• 来源期刊: 软件
• 学科: 工学
• 关键词: 协同过滤推荐算法 Hadoop 数据稀疏性 扩展性
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 基金项目论文
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP391
• 字数: 2968字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2018.12.001

摘要

针对协同过滤推荐算法在大数据环境下存在的数据稀疏性和可扩展性问题,在分析研究Hadoop分布式平台与协同过滤推荐算法后,本文提出一种基于Hadoop平台的优化协同过滤推荐算法.该推荐算法将相似度高的用户或项目聚为一类,再设计用户和项目矩阵,以更有效的获得各自的最近邻居集,采用加权系数处理两者的预测评分,并对设计矩阵完成MapReduce并行化实现,这种加权系数处理后的推荐架构,很好的缓和了数据稀疏性且提高了预测精度.实验验证该算法能有效提高推荐系统的推荐效率,同时获得良好的可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍美英	山西大同大学计算机与网络工程学院	18	80	5.0	8.0
2	申晋祥	山西大同大学计算机与网络工程学院	17	72	5.0	7.0