基于Spark的Hybrid推荐算法的研究与实现

摘要：

协同过滤推荐技术作为推荐系统的一个重要分支,成为目前应用最广泛的一种推荐算法.但协同过滤算法仍然显露出数据稀疏性问题、可扩展性问题等.为解决上述问题,文章提出了基于Spark平台的基于ALS算法和物品相似度相结合的混合协同过滤算法.本文算法在一定程度上解决了因数据量不足带来的数据稀疏性问题,基于Spark分布式并行计算框架技术也解决了可扩展性问题,同时又提高了算法推荐的准确性.基于Movielens数据集的实验表明,文章算法具有可扩展性高、响应时间短以及推荐精度高等特点.

关键词：Hybrid推荐算法、ALS、Spark、可扩放性、协同过滤

所属期刊栏目：47

资助基金：山东省自然科学基金ZR2013FL015;山东省研究生教育创新资助计划SDYY12060

在线出版日期：2019-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：59-62