10.3969/j.issn.1001-4616.2014.01.013
Item-Based并行协同过滤推荐算法的设计与实现
基于协同过滤的推荐已成为推荐系统中广泛采用的推荐技术。由于应用中用户数目和商品条目的日益增长,在计算相似度和计算预测时,单机集中式计算已不能满足推荐系统实时性和可扩展性的要求。针对这一问题,设计并实现了Item-Based并行协同过滤推荐算法。该算法采用Hadoop的MapReduce与HDFS架构,可分为Map与Reduce两个过程。通过在Map和Reduce节点上的并行处理可提高算法的执行效率。实验结果表明,该算法可明显减少推荐时间,提高推荐实时性,获得良好的可扩展性。
推荐系统、协同过滤、Hadoop、MapReduce
TP311(计算技术、计算机技术)
江苏省自然科学基金重点项目BK2011005
2014-05-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
71-75