Slope One-BI算法的改进及其在大数据平台的并行化

摘要：

针对大数据时代下Slope One算法推荐效率不高的问题,提出结合聚类和动态K近邻的双极Slope One推荐算法.首先,结合Canopy和K-medoids的聚类算法把相似的用户汇聚到一起.然后,在所属聚类中,根据用户之间相似度的具体情况动态地寻找最近邻,并用Slope One-BI算法推荐预测.最后,在Spark平台上实现并行化.在电影数据集上的实验结果表明:基于Spark平台的优化算法与其他协同过滤算法相比,推荐精度具有明显优势.

关键词：Slope One-BI算法、聚类、Spark、推荐算法

所属期刊栏目：40

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金资助项目61505059;福建省厦门市科技局产学研协同创新项目3502Z20173046;华侨大学研究生科研创新能力培养计划项目1611422006

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：786-792