基于Spark的上下文感知推荐算法的研究

摘要：

推荐系统是大数据在互联网方面最成功的应用之一,是一种更高级的信息检索工具.推荐系统的核心是推荐算法,其直接影响着推荐结果与用户的真实兴趣的契合程度.原始评价矩阵稀疏、实际因素考虑欠缺等因素是目前推荐算法主要解决的方向,该文提出的上下文感知算法对这些影响因子做出了优化.首先对原始矩阵进行填充,合理增加矩阵稠密性,然后结合物品的上下文信息,得到用户偏好度矩阵,最后通过优化的皮尔逊相似度得到近邻用户,得到用户对物品的预测评分.通过对算法结果的多方面分析,表明了优化后算法的准确性与适用性.

关键词：上下文感知、矩阵填充、上下文信息、用户相似度、MAE

所属期刊栏目：35

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2020-08-06（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：101-105