基于粒子群优化算法的协同过滤推荐并行化研究

摘要：

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.

关键词：协同过滤推荐算法、RLPSO算法、K-means算法、Spark

所属期刊栏目：41

分类号：P315.69(大地（岩石界）物理学（固体地球物理学）)

资助基金：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

在线出版日期：2019-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：115-122