大数据中基于混合协同过滤的动态用户个性化推荐

• 作者: 刘珊珊
• 来源期刊: 软件工程
• 学科: 工学
• 关键词: 大数据 协同过滤 XGBoost 个性化推荐 准确率
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 方法与技术
• 页码范围: 16-19
• 页数: 4页
• 分类号: TP399
• 字数: 3599字
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2019.03.005

摘要

为了提高大数据中动态用户个性化推荐的准确性和效率,采用基于混合协同过滤的方法来完成用户感兴趣数据的筛选,从而实现个性化推荐.先将用户数据及项目数据通过协同过滤算法来完成建模并评分,然后结合XGBoost模型的树形结构和正则学习的特点进行预测评分,接着将两种算法混合来求解最优目标函数,得到候选的推荐数据集合.最后通过实例仿真,混合算法精确度高,在大数据平台有较强的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘珊珊		4	3	1.0	1.0