基于MapReduce与项目分类的协同过滤算法

摘要：

针对传统协同过滤算法中存在的数据稀疏性和系统可扩展性问题,提出一种新的协同过滤算法.根据用户对不同项目的评价信息得出项目评分矩阵,利用朴素贝叶斯分类器对项目进行分类,通过修正的余弦相似度计算方法在相同类中寻找项目最近邻集合.结合Hadoop平台下的MapReduce并行计算框架进行数据分布式处理,最终形成评分预测列表进行项目推荐.实验结果表明,与基于用户分类的协同过滤算法和基于项目分类的协同过滤算法相比,该算法能有效解决因数据稀疏导致预测精度较低的问题,具有较高的推荐准确性,并且通过算法并行计算提高了系统运行效率和可扩展性.

关键词：协同过滤、项目分类、相似度计算、并行计算、分布式处理、评分预测

所属期刊栏目：42

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61170023

在线出版日期：2016-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：194-198