基于图游走的并行协同过滤推荐算法
针对目前协同过滤推荐算法存在的数据稀疏性问题和可扩展性问题,本文进行了相关研究.针对稀疏性问题,在传统的皮尔逊相关相似度中引入交占比系数计算用户间直接相似度,该方法缓解了用户间共同评分项的占比问题;提出一种基于图游走的间接相似度计算方法,该方法根据用户间的直接相似度建立用户网络图,在用户网络图上通过游走计算用户间的间接相似度,并进行推荐.在Spark平台上实现本文方法的并行化,缓解了数据规模增加带来的可扩展性问题.实验结果表明:本文提出的算法在不同数据集上均取得了良好效果,有效地提高了推荐准确度,并且在分布式环境下具有良好的可扩展性.
协同过滤、推荐、用户网络图、游走、相似度、间接相似度、并行、Spark平台
14
TP391(计算技术、计算机技术)
河北省科技计划项目17210305D;天津市科技计划项目16ZXHLSF0023;天津市自然科学基金项目15JCQNJC00600
2019-07-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
743-751