基于Spark的UCSLIM推荐算法研究及实现
稀疏线性( SLIM)推荐算法侧重于通过挖掘物品与物品之间的关系进而产生推荐结果。为了提高推荐质量,借鉴了SLIM算法和协同过滤算法的思想,将用户划分为用户集合,进一步挖掘用户与用户集合之间的隐含关系,并综合考虑用户与用户相关性、用户与用户集合相关性这两个因素,提出了融合用户集合关系的稀疏线性( UCS-LIM)推荐算法。实验结果表明, UCSLIM 算法能够提高推荐结果质量。同时为了提高算法的执行效率,分别在Spark和Hadoop云计算平台上实现了UCSLIM并行推荐算法,并通过实验表明,UCSLIM的Spark版本具有更高的计算效率。
TopN推荐、稀疏线性、用户集合、Spark
39
TP391.3(计算技术、计算机技术)
国家高技术研究发展计划国家863计划项目2015AA050204
2016-08-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
37-41