一种基于标签和协同过滤的并行推荐算法

摘要：

针对基于用户打分的传统协同过滤推荐算法存在准确率较低以及计算延时的问题,提出了一种基于标签与协同过滤的并行混合推荐算法.该算法通过计算标签的词频-逆文档频率(TF-IDF)值降低流行标签的权重,根据用户的历史行为预测用户对其他资源的偏好值,最后依据预测偏好值排序产生Top-N推荐结果.对该算法的计算效率与复杂度进行了理论分析,并且通过并行编程模型MapReduce使其得到了实现,最后在实验中进行了它与Apache软件基金会项目Mahout的协同过滤算法的对比分析.实验结果表明该算法有较高的准确性,能有效地提高推荐效率.

关键词：协同过滤、推荐、标签、TF-IDF、MapReduce

所属期刊栏目：25

分类号：TP3;TP1

资助基金：国家自然科学基金61402023;北京市自然科学基金4132025;北京市教师队伍建设青年英才计划YETP1448

在线出版日期：2015-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：307-312