项目相似度与ALS结合的推荐算法研究

• 作者: 祝永志 迟玉良
• 来源期刊: 软件导刊
• 关键词: 项目相似度 ALS 协同过滤 混合推荐 Spark
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法与语言
• 页码范围: 81-84
• 页数: 4页
• 字数: 2769字
• 语种: 中文
• DOI: 10.11907/rjdk.172903

摘要

协同过滤算法是当今推荐系统普遍使用的一种推荐算法.面对单机模型已逐渐承受不了大数据给推荐系统带来的负荷问题,提出基于Spark平台的一种项目相似度与ALS相结合的协同过滤推荐算法.它基于Spark分布式并行计算框架,可提高预测计算效率,减少系统响应时间.同时使用"基于项目相似度的协同过滤"与"交替最小二乘的协同过滤(ALS)"相结合的一种混合推荐方法,可提高系统推荐精度.通过在MovieLens数据集上的实验结果表明,该算法在算法融合与推荐精度上有着很好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祝永志	曲阜师范大学信息科学与工程学院	77	392	10.0	16.0
2	迟玉良	曲阜师范大学信息科学与工程学院	2	3	1.0	1.0