基于特征和项目近邻的混合推荐算法研究

• 作者: 祝永志 苏晓云
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 协同过滤 扩展性 Spark平台 动态加权
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 71-75
• 页数: 5页
• 分类号: TP301
• 字数: 3176字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.09.014

摘要

针对传统的协同过滤算法在推荐过程中存在的可扩展性差、推荐准确性低等问题,提出了一种基于动态加权的混合协同过滤算法(ItemBase_ALS collaborative filter,IACF).该算法将基于项目的协同过滤算法(ItemBase CF)与基于矩阵分解的ALS推荐算法按照一定的权重进行混合,并在分布式平台Spark上得以实现,有效解决了算法扩展性问题.该混合算法首先分别利用ItemBase CF和ALS算法进行初步预测,然后选取能够反映其各自特性的因素,即项目近邻和隐藏特征,按照权重公式进行融合从而得到最终预测结果.通过调整权重比例,可以突出某一算法的特性,满足不同的推荐需求.实验选用MovieLen电影评分数据集,实验结果表明,混合协同过滤算法较之传统单个算法,既能体现其各自特点及变化规律,在可扩展性、准确性上也有所改善.

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	苏晓云	曲阜师范大学信息科学与工程学院	2	2	1.0	1.0