作者：田贤忠; 沈杰推荐算法概率矩阵分解大数据mapreduce
摘要：概率矩阵分解是近几年广泛应用的协同过滤推荐方法。针对如何利用矩阵分解技术提高推荐质量以及在大数据环境下如何突破计算时间、计算资源瓶颈等问题进行研究,提出了Improved Probabilistic Matrix Factorization(IPMF)融入邻居信息的概率矩阵分解算法,并且提出了parallel-IPMF(p-IPMF)算法来解决融入邻居信息后计算复杂度高和难以并行化等问题。在MapReduce并行计算框架下将p-IPMF算法加以实现,并在真实数据集上进行验证。实验结果表明,所提算法能有效提高推荐质量并缩短计算时间。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
