基于MapReduce的混合推荐算法及应用

被引:1
作者
李程
曹菡
师军
机构
[1] 陕西师范大学计算机科学学院
关键词
MapReduce; Hadoop; 混合推荐算法; 云计算;
D O I
暂无
中图分类号
TP391.3 [检索机];
学科分类号
081203 ; 0835 ;
摘要
针对基于项目与基于用户两种传统协同过滤算法的不足,文中结合基于用户以及基于项目的两种传统协同过滤算法,并加以合理改进,提出了一种新型的混合型并行推荐算法。通过对新算法MapReduce编译,使新算法能够在Hadoop云平台下顺利运行。在可以利用以基于用户的方法为基础划定出定量的邻居范围,保证了推荐的个性化,同时,利用基于项目的协同过滤算法进行推荐,最终根据综合因素调整评分预测方法得出符合实际的推荐结果。实验结果表明,在数据量相对较大时新算法不仅在处理速度上表现更加优越,而且明显提高了推荐精确度。同时文中将该算法应用在西安本土旅游推荐服务上,针对西安市几大景点进行推荐,使新算法的准确性在实际应用中得到验证。
引用
收藏
页码:74 / 77+81 +81
页数:5
相关论文
共 11 条
[1]   基于网络用户信息行为的个性化推荐模型 [J].
余肖生 ;
孙珊 .
重庆理工大学学报(自然科学), 2013, (01) :47-50
[2]   大数据时代的挑战、价值与应对策略 [J].
陈如明 .
移动通信, 2012, 36 (17) :14-15
[3]   基于项目分类的协同过滤改进算法 [J].
熊忠阳 ;
刘芹 ;
张玉芳 ;
李文田 .
计算机应用研究, 2012, 29 (02) :493-496
[4]   云计算初探 [J].
李莉 ;
廖剑伟 ;
欧灵 .
计算机应用研究, 2010, 27 (12) :4419-4422+4426
[5]   不确定近邻的协同过滤推荐算法 [J].
黄创光 ;
印鉴 ;
汪静 ;
刘玉葆 ;
王甲海 .
计算机学报, 2010, 33 (08) :1369-1377
[6]   一种分布式智能推荐系统的设计与实现 [J].
陶剑文 .
计算机仿真, 2007, (07) :296-300
[7]   基于知识的电子商务智能推荐系统平台设计 [J].
刘平峰 ;
聂规划 ;
陈冬林 .
计算机工程与应用 , 2007, (19) :199-201+216
[8]  
Hadoop应用开发技术详解[M]. 机械工业出版社 , 刘刚, 2014
[9]  
推荐系统实践[M]. 人民邮电出版社 , 项亮, 2012
[10]   Item-based top-N recommendation algorithms [J].
Deshpande, M ;
Karypis, G .
ACM TRANSACTIONS ON INFORMATION SYSTEMS, 2004, 22 (01) :143-177