期刊专题

基于Spark的K近邻ALS的推荐算法

引用
传统的协同过滤推荐算法在面对海量数据时表现出处理速度慢和效率低下的瓶颈,与Hadoop平台相比,Spark计算框架具有迭代计算优势,提出了基于spark的K近邻ALS推荐算法.由于一般的矩阵分解算法只考虑隐含信息忽略了相似度的信息,所以将相似度信息加权到评分预测的公式中,并采用交替最小二乘法进行模型训练得出结果.在MovieLens数据集上验证,该改进算法能够提高推荐的准确性,提高对大数据集的处理效率.

协同过滤、Hadoop、Spark、ALS

14

TP391.1(计算技术、计算机技术)

华侨大学研究生科研创新能力培育计划资助项目1611422006

2018-06-19(万方平台首次上网日期,不代表论文的发表时间)

共3页

6-7,10

暂无封面信息
查看本期封面目录

电脑知识与技术

1009-3044

34-1205/TP

14

2018,14(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn