基于并行协同过滤算法的领域知识推荐模型研究

摘要：

[目的]从海洋平台数据中过滤出用户需要的信息,并及时准确地推荐给用户.[方法]通过基于内容的推荐算法和基于物品的协同过滤算法筛选候选集,采用并行MapReduce的方式提高系统对数据的并行挖掘能力;使用机器学习算法提高推荐候选准确度,实现精准匹配和个性化推荐的效果.[结果]有效地根据用户点击的文章生成推荐列表,模型评估准确度为78.5％,均方根误差为0.22.[局限]对用户特征以及文本特征还需深度挖掘;实验过程中多次使用分词工具,对其准确度有所依赖;模型训练算法还需优化.[结论]本文模型能够在一定程度上满足用户的个性化推荐需求,可以为平台建设提供良好的支持.

关键词：推荐系统、协同过滤、MapReduce、机器学习算法

所属期刊栏目：4

分类号：TP391(计算技术、计算机技术)

资助基金：本文系国家重点研发计划课题“应对气候变化科学数据与知识集成共享平台建设”;中国科学院兰州文献情报中心2019年文献情报创新能力建设项目“文献情报大数据计算环境的应用与示范”;“开放学术资源的情景化组织与服务研究”

在线出版日期：2020-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15-21