基于MapReduce的潜在因素算法在推荐系统中的研究与应用

摘要：

随着电子商务的发展，推荐系统的开发成为各大互联网商店的一个重要部分。推荐系统中的用户购买相似度推荐算法被普遍应用，该类算法包含两种类型：基于邻居模型的算法和潜在因素算法。但是，随着网上商店的增多，淘宝等大型网上电子商城的兴起，传统的用户购买相似度推荐算法不能有效地处理互联网爆炸式的大数据信息，快速完成推荐系统的推荐工作。针对用户购买商品后的潜在因素，提出了基于MapReduce计算框架的分布式潜在因素算法，该算法能够有效地完成推荐系统的推荐工作，实现系统的实时性。实验结果表明，本文提出的算法具有很高的执行效率以及低误差率。

关键词：MapReduce、分布式、潜在因素算法

分类号：TP3(计算技术、计算机技术)

资助基金：广东省高新技术产业化攻关项目00595750177068012；佛山职业技术学院重点项目2012KYZ02。

在线出版日期：2014-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：124-126