基于协同过滤决策树的商品推荐算法的研究

• 作者: 常昊 杨盛泉
• 来源期刊: 价值工程
• 学科: 工学
• 关键词: 大数据 推荐算法 协同过滤 Hadoop
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 价值链·供应链
• 页码范围: 127-129
• 页数: 3页
• 分类号: TP311.5
• 字数: 2908字
• 语种: 中文

摘要

大数据时代的到来,生活种每天都产生着大量的数据,对这些数据进行分析并推荐商品在电商领域就会显得尤为的重要.协同过滤算法是目前发展比较成熟的,在各领域都取得了非常好的效果.但传统的协同过滤算法在计算相似度和预测评分时太过粗糙,并且效率很低.我们将协同过滤算法与决策树算法相结合,并对算法进行改进,创建一种协同过滤决策树算法来对商品进行推荐,并将新的协同过滤决策树算法运行在Hadoop平台上.Hadoop是一种分布式的处理大规模数据的云计算平台.实验证明,改进后算法使得推荐的准确率有了显著的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨盛泉	西安工业大学计算机科学与工程学院	43	138	7.0	9.0
2	常昊	西安工业大学计算机科学与工程学院	1	0	0.0	0.0