基于评分可信度的大数据线性回归推荐算法

摘要：

针对传统线性回归推荐算法没有考虑用户兴趣漂移、活跃度和评分可信度等影响因素,为进一步提高算法的准确度和对用户偏好的拟合度,提出一种融合评分可信度的线性回归推荐算法.首先将用户的兴趣漂移度、活跃度和用户对商品的评价信息综合考虑到用户评分可信度的计算方法中;然后将该方法融合到传统线性回归推荐算法系数矩阵求解过程当中;最后利用优化后的线性回归推荐算法对用户评分进行预测.为了验证该算法的准确性,在Hadoop集群和亚马逊商品评分数据集上与传统的线性回归推荐算法进行了对比,实验结果表明,该算法在处理效率、推荐效果和拟合程度上有明显提高.

关键词：线性回归推荐、评分可信度、兴趣漂移、活跃度

所属期刊栏目：38

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家社科基金资助项目18CTQ030

在线出版日期：2021-03-09（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：382-385