基于交替最小二乘法的Spark个性化影片推荐系统

• 作者: 万泉 白成杰 葛苏慧
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 交替最小二乘 影片 推荐系统 协同过滤 矩阵分解
• 年，卷（期）: 2020,（5）
• 页码范围: 583-589
• 页数: 7页
• 分类号: TP389.01
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.05.011

摘要

针对基于k-means的传统推荐系统可信度低、计算时间长、精度低等问题,该文提出了交替最小二乘(ALS)协同过滤优化算法——拟牛顿法.采用Spark统一部署环境,基于ALS法矩阵分解的协同过滤算法,并使用SQL数据库搭建推荐系统后端.后端算法使用IntelliJ IDEA编译运行Scala语言,并打包程序生成JAR包.前端开发使用Express框架和Jade模版引擎,将系统前端所产生的数据与影片信息数据存储在MySQL数据库中,并使用Node.js语言搭建动态网页呈现推荐结果.与传统协同过滤算法进行实验效果对比,研究结果表明,使用优化算法的推荐系统降低了推荐时间,提高了推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白成杰		31	179	8.0	12.0
2	葛苏慧		4	29	3.0	4.0
3	万泉		1	0	0.0	0.0