面向海量数据的推荐系统的研究

摘要：

在处理大数据时，传统的推荐系统，如常规协同过滤的推荐性能受到了限制。使用操作简便的K均值聚类算法与协同过滤构成组合推荐算法具有较好的推荐性能，该文使用遗传算法对组合推荐算法进行优化，简化组合推荐算法，降低组合算法的复杂度和成本。同时，通过对遗传算法进行改进，以提高遗传算法的优化能力，提高推荐系统性能。最后，通过MovieLens电影打分数据集对该文研究的推荐算法进行性能测试。结果表明，遗传算法的优化能力得到提升，推荐系统的性能有所提高。

关键词：大数据、推荐系统、协同过滤、遗传算法、K均值聚类

所属期刊栏目：39

分类号：TN911-34;TP18

资助基金：教育部人文社科规划项目大数据时代海量电信客户价值评价方法研究15XJA630003；重庆邮电大学社会科学基金项目k2014-111

在线出版日期：2016-07-08（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：59-61,65