基于Spark的上下文感知推荐算法的研究

• 作者: 赵志伟
• 来源期刊: 自动化与仪表
• 关键词: 上下文感知 矩阵填充 上下文信息 用户相似度 MAE
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 创新与实践
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19557/j.cnki.1001-9944.2020.07.022

摘要

推荐系统是大数据在互联网方面最成功的应用之一,是一种更高级的信息检索工具.推荐系统的核心是推荐算法,其直接影响着推荐结果与用户的真实兴趣的契合程度.原始评价矩阵稀疏、实际因素考虑欠缺等因素是目前推荐算法主要解决的方向,该文提出的上下文感知算法对这些影响因子做出了优化.首先对原始矩阵进行填充,合理增加矩阵稠密性,然后结合物品的上下文信息,得到用户偏好度矩阵,最后通过优化的皮尔逊相似度得到近邻用户,得到用户对物品的预测评分.通过对算法结果的多方面分析,表明了优化后算法的准确性与适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵志伟		4	7	1.0	2.0