基于用户共现矩阵乘子的分布式协同过滤推荐
随着大数据时代的到来,应用数据量剧增,个性化推荐技术日趋重要.传统的推荐技术直接应用于大数据环境时会面临推荐精度低、推荐时延长以及网络开销大等问题,导致推荐性能急剧下降.针对上述问题,提出用户共现矩阵乘子推荐策略,将用户相似度矩阵与项目评分矩阵相乘得到用户对项目的预测评分矩阵,从而生成对每个用户的候选推荐项目集;在此基础上,根据分布式处理架构的特点对传统协同过滤算法进行并行化扩展,设计了基于用户的分布式协同过滤算法;最后通过重定义序列组合的MapReduce模式将多个子任务串联起来,自动地完成顺序化的执行.实验结果表明,该算法在分布式计算环境下具有良好的推荐精度和推荐效率.
协同过滤、推荐系统、分布式计算、大数据
43
TP391(计算技术、计算机技术)
国家自然科学基金项目60803086;国家科技支撑计划子课题2013BAH21B02-01;北京市自然科学基金项目4153058,4113076
2016-12-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
428-435