一种改进Minhash的分布式协同过滤推荐算法

摘要：

协同过滤推荐算法通过研究用户的喜好，实现从海量数据资源中为用户推荐其感兴趣的内容。衡量用户（资源）的相似性是协同过滤算法的核心内容，在数据量大的系统中，用户（资源）的相似性度量会面临准确性和计算复杂性等问题，影响到推荐效果。提出一种改进的协同过滤推荐算法，提取用户兴趣偏好的多值信息，运用改进Minhash算法度量用户相似性，并结合Mapreduce分布式计算，合理、高效地产生用户邻居，实现对用户的评分推荐。实验结果表明：改进算法能有效改善大数据集的推荐准确性并提高推荐效率，降低了推荐耗时。

关键词：协同过滤、兴趣偏好、相似度计算、分布式计算

所属期刊栏目：52

分类号：TP311(计算技术、计算机技术)

在线出版日期：2016-07-15（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：95-100