基于Spark的K近邻ALS的推荐算法
传统的协同过滤推荐算法在面对海量数据时表现出处理速度慢和效率低下的瓶颈,与Hadoop平台相比,Spark计算框架具有迭代计算优势,提出了基于spark的K近邻ALS推荐算法.由于一般的矩阵分解算法只考虑隐含信息忽略了相似度的信息,所以将相似度信息加权到评分预测的公式中,并采用交替最小二乘法进行模型训练得出结果.在MovieLens数据集上验证,该改进算法能够提高推荐的准确性,提高对大数据集的处理效率.
协同过滤、Hadoop、Spark、ALS
14
TP391.1(计算技术、计算机技术)
华侨大学研究生科研创新能力培育计划资助项目1611422006
2018-06-19（万方平台首次上网日期，不代表论文的发表时间）
共3页
6-7,10
