基于Spark平台的ALS加速算法研究

• 作者: 桑国明 祁文凯 贾晓芳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 协同过滤 推荐算法 交替最小二乘算法 非线性共轭梯度 Spark平台
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 103-109
• 页数: 7页
• 分类号: TP312
• 字数: 5711字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054147

摘要

协同过滤推荐算法在推荐系统中发挥着重要作用,但其存在执行效率与排名精度较低的问题,交替最小二乘(ALS)算法可实现并行计算,从而提高执行效率,但是该算法数据加载与迭代收敛的时间较长.为此,将非线性共轭梯度(NCG)算法与ALS算法相结合,提出一种ALS-NCG算法,以达到加速ALS算法的目的.在Spark分布式数据处理环境中对ALS-NCG算法进行性能评估,实验结果表明,相比ALS算法,ALS-NCG算法获取高精度推荐排名时需要的迭代次数与时间更少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桑国明	大连海事大学信息科学技术学院	16	57	5.0	7.0
2	贾晓芳	大连海事大学信息科学技术学院	1	0	0.0	0.0
3	祁文凯	大连海事大学信息科学技术学院	2	0	0.0	0.0