10.19678/j.issn.1000-3428.0054147
基于Spark平台的ALS加速算法研究
协同过滤推荐算法在推荐系统中发挥着重要作用,但其存在执行效率与排名精度较低的问题,交替最小二乘(ALS)算法可实现并行计算,从而提高执行效率,但是该算法数据加载与迭代收敛的时间较长.为此,将非线性共轭梯度(NCG)算法与ALS算法相结合,提出一种ALS-NCG算法,以达到加速ALS算法的目的.在Spark分布式数据处理环境中对ALS-NCG算法进行性能评估,实验结果表明,相比ALS算法,ALS-NCG算法获取高精度推荐排名时需要的迭代次数与时间更少.
协同过滤、推荐算法、交替最小二乘算法、非线性共轭梯度、Spark平台
46
TP312(计算技术、计算机技术)
国家自然科学基金;中央高校基本科研业务费项目“大规模协作式多智能体强化学习技术研究”
2020-04-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
103-109