基于Spark并行化改进混合地点推荐

• 作者: 刘锦扬 孟祥茹 王美吉 蒲鑫 高岑
• 来源期刊: 计算机系统应用
• 关键词: 地点推荐 混合模型 数据填充 协同过滤 Spark
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 系统建设
• 页码范围: 86-91
• 页数: 6页
• 字数: 4527字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007118

摘要

推荐算法是数据挖掘中最重要的算法之一.地点推荐是推荐系统的重要研究内容.针对目前地点推荐面临的数据稀疏、冷启动、个性化程度低等问题,设计并实现了基于Spark并行化处理的改进混合地点推荐模型.该算法融合了基于内容的推荐和基于协同过滤的推荐,结合了用户当前的偏好和其他用户的意见.使用基于用户-地点属性偏好的矩阵填充方式,以此改善数据稀疏性问题;同时,对于海量数据,系统采用Spark分布式集群实现并行计算,缩短了模型训练时间.实验结果表明,与其他推荐算法相比,该算法能有效改善数据稀疏性、提升推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高岑	中国科学院沈阳计算技术研究所	18	49	4.0	6.0
2	刘锦扬	成都信息工程大学统计学院	23	8	1.0	2.0
3	王美吉	中国科学院沈阳计算技术研究所	8	45	4.0	6.0
4	孟祥茹	中国科学院沈阳计算技术研究所	4	8	1.0	2.0
5	蒲鑫	中国科学院大学计算机科学与技术学院	1	0	0.0	0.0