分布式协同过滤推荐算法
大小：0.86 MB 人气： 2017-12-20 需要积分：1
针对原始的基于用户（ User-based）或基于评分项目（Item-based）的协同过滤推荐算法（CFR）大多采用“硬分类”式聚类，且具有数据稀疏性和可扩展性的问题，提出一种基于灰色关联分析的分布式协同过滤推荐算法。算法使用Hadoop分布式计算平台，首先，计算评分矩阵中每个评分项目的灰色关系系数；然后，计算各评分项目的灰色关联度（ GRG）；最后，根据GRG获得每个评分项目的近邻集合，对不同用户的待预测项目用对应的近邻集合对其评分进行预测。通过在MovieLens数据集上进行实验，与User-based和Item-based的CFR算法相比，该算法平均绝对误差分别下降了1. 07%和0.06%，而且随着数据规模的扩展，通过增加集群节点，算法运行效率有相应的提升。实验结果表明，该推荐算法可以有效地实现大规模数据的推荐，并能解决数据可扩展性的问题。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%