基于粒子群优化算法的协同过滤推荐并行化研究
针对常用协同过滤推荐算法存在计算性能瓶颈的问题,提出了在Spark上并行化实现协同过滤推荐算法RLPSO_KM_CF.首先,通过具备反向学习和局部学习能力的粒子群优化(RLPSO)算法寻找粒子群最优解,输出优化后的聚类中心;然后,运用RLPSO_KM算法对用户信息进行聚类;最后,将传统协同过滤推荐算法与RLPSO_KM聚类结合,从而对目标用户进行有效推荐.实验结果显示,RLPSO_KM_CF算法在推荐准确度方面有显著提高,具有较高的加速比,稳定性也得到了一定提升.
协同过滤推荐算法、RLPSO算法、K-means算法、Spark
41
P315.69(大地(岩石界)物理学(固体地球物理学))
国家自然科学基金项目71501015;北京市智能物流系统协同创新中心开放课题
2019-04-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
115-122