融合社交网络与关键用户的并行协同过滤推荐算法

• 作者: 王宁 王永贵 肖成龙
• 来源期刊: 计算机应用研究
• 关键词: 社交网络 并行化 关键用户 协同过滤 大数据 电影推荐
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2938-2942
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.04.0245

摘要

为解决传统协同过滤推荐算法中存在的数据稀疏、冷启动以及推荐结果缺乏多样性等问题,提出一种融合社交网络与关键用户的协同过滤推荐算法.该算法在用户-项目评分矩阵基础上,融合用户社交网络信息得出社交信任矩阵,融合关键用户信息得出关键用户评分矩阵.利用三大评分矩阵,分配不同的权重比例,共同来预测用户对于目标项目评分.针对海量数据问题,采用Spark分布式集群实现该算法的计算并行化.实验结果表明,该算法能够有效缓解数据稀疏问题,提高处理速度和推荐准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖成龙	辽宁工程技术大学软件学院	28	75	4.0	8.0
2	王永贵	辽宁工程技术大学软件学院	47	293	10.0	15.0
3	王宁	辽宁工程技术大学软件学院	6	10	2.0	3.0