感知用户年龄的Item-based协同过滤推荐算法

摘要：

随着大数据时代的到来,推荐系统为人们寻找自己感兴趣的物品或事件提供了捷径.协同过滤推荐算法分为User-based协同过滤算法和Item-based协同过滤推荐算法.传统Item-based协同过滤推荐算法只关注Item间的相似度,与目标用户特征无关,因此传统算法相似度不能有效反映Item间的相似程度,推荐准确率低.并且传统Item-based协同过滤算法需要基于所有用户的历史行为数据进行计算,随着数据量的快速增长计算量不断增大,推荐时效性差.针对以上问题,提出了一种感知用户年龄的Item-based协同过滤推荐算法,基于用户年龄特征对用户进行分类,在类内采用加权相似度对Item间的相似度进行计算,并且在Spark分布式计算平台上运行测试.实验结果显示,该算法不仅保证了推荐准确率,而且大幅度提高了推荐效率,提升了推荐系统的实时性.

关键词：用户年龄、实时、Item-based协同过滤、Spark

所属期刊栏目：29

分类号：TP301(计算技术、计算机技术)

资助基金：山东省自然科学基金ZR2013FL015;山东省研究生教育创新资助计划SDYY12060

在线出版日期：2019-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：95-99