10.3969/j.issn.1006-2475.2018.02.016
基于ALS模型协同过滤推荐算法的优化
推荐系统可以根据用户的基本信息与行为分析用户的兴趣,向用户提供个性化推荐服务,因而成了近年来的研究热点.本文研究基于ALS模型协同过滤推荐算法.算法采用分布式平台实现,对比以往单节点实现,实验结果表明该算法在计算速度上有了很大的提升.本文通过在损失函数上融合物品的相似性来减少隐形因子物品属性信息的丢失,同时在最优模型得出的预测评分中引入兴趣遗忘函数,通过实验对比结果表明,本文的优化算法有效提高了推荐系统的准确性.
Spark、推荐算法、ALS模型、隐性因子、遗忘函数
TP391(计算技术、计算机技术)
2018-06-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
76-79