基于Spark架构的艺术学慕课资源协同过滤推荐算法研究

摘要：

传统资源协同过滤推荐算法MAE值偏高,因此提出基于Spark架构的艺术学慕课资源协同过滤推荐算法.采用分级响应形式,建立用户-资源评分关系模型,用户对资源的评分减掉该用户评分平均值,完成资源协同过滤相似度计算的优化,引入集成度高的Spark架构,预测用户对资源的评分并生成推荐列表,实现艺术学慕课资源的精准推荐.经过与两种传统算法的对比实验结果可知,研究的算法在不同比例训练集和测试集的情况下,MAE值均低于两种传统方法,说明基于Spark架构的艺术学慕课资源协同过滤推荐算法推荐精度更高,性能更好.

关键词：协同过滤推荐算法、Spark架构、艺术学慕课资源、用户评分预测、用户-资源评分关系模型、相似度计算

所属期刊栏目：43

分类号：TN911.1-34;TP319

在线出版日期：2020-04-01（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：162-164,168