基于Spark平台ALS模型推荐算法的研究与优化

摘要：

推荐算法是推荐系统的重要组成部分,交替最小二乘算法ALS(Alternating Least Squares)在许多大规模数据处理过程中,经常用于计算潜在的因子矩阵分解.对于ALS算法迭代次数多、收敛时间长的问题,该文提出了一种采用非线性共轭梯度算法NCG(nonlinear conjugate gradient)对ALS算法进行改进,来加快ALS算法的收敛速度,并对该方法进行了实验研究,通过在MovieLens 10M数据集上的实验结果表明,ALS-NCG模型推荐算法在收敛过程中,比ALS模型推荐算法迭代次数少,时间消耗少.

关键词：Spark、最小二乘法、矩阵分解、推荐系统、协同过滤

所属期刊栏目：15

分类号：TP311.52(计算技术、计算机技术)

在线出版日期：2019-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：19-22