原文服务方: 华侨大学学报(自然科学版)       
摘要:
考虑Spark大数据平台内存计算框架在迭代计算的优势,提出Spark平台下KNN-ALS模型的推荐算法.针对矩阵分解算法只考虑隐含信息而忽视相似度信息的缺陷,将相似度信息加入评分预测中,并采用适合并行化的交替最小二乘法进行模型最优.在MovieLens数据集上的实验表明:该算法能够提高协同过滤推荐算法在大数据集下的处理效率,且加速比也达到并行处理的线性要求,相比其他方法有较好的精度.
推荐文章
基于Spark平台的ALS加速算法研究
协同过滤
推荐算法
交替最小二乘算法
非线性共轭梯度
Spark平台
基于Spark的并行ALS协同过滤算法研究
ALS
协同过滤
矩阵分解
HighAvailable
Spark
项目相似度与ALS结合的推荐算法研究
项目相似度
ALS
协同过滤
混合推荐
Spark
Spark平台下基于上下文信息的影片混合推荐
影片推荐系统
Spark平台
上下文信息
混合推荐
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 Spark平台下KNN-ALS模型推荐算法
来源期刊 华侨大学学报(自然科学版) 学科
关键词 推荐算法 KNN-ALS模型 协同过滤 Spark平台 矩阵分解
年,卷(期) 2019,(2) 所属期刊栏目
研究方向 页码范围 264-268
页数 5页 分类号 TP391.1
字数 语种 中文
DOI 10.11830/ISSN.1000-5013.201703071
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 王佳斌 华侨大学工学院 33 132 5.0 10.0
2 詹敏 华侨大学工学院 7 5 1.0 2.0
3 邹小波 华侨大学工学院 7 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (88)
共引文献  (157)
参考文献  (7)
节点文献
引证文献  (4)
同被引文献  (2)
二级引证文献  (0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(14)
  • 参考文献(2)
  • 二级参考文献(12)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(10)
  • 参考文献(1)
  • 二级参考文献(9)
2012(8)
  • 参考文献(0)
  • 二级参考文献(8)
2013(10)
  • 参考文献(1)
  • 二级参考文献(9)
2014(9)
  • 参考文献(1)
  • 二级参考文献(8)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
推荐算法
KNN-ALS模型
协同过滤
Spark平台
矩阵分解
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
华侨大学学报(自然科学版)
双月刊
1000-5013
35-1079/N
大16开
1980-01-01
chi
出版文献量(篇)
2681
总下载数(次)
0
总被引数(次)
14643
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导