HI,欢迎来到学术之家,期刊咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于粒子群优化算法的协同过滤推荐并行化研究

作者:游思晴; 周丽; 赵东杰; 薛菲协同过滤推荐算法rlpso算法spark

摘要:针对常用协同过滤推荐算法存在计算性能瓶颈的问题,提出了在Spark上并行化实现协同过滤推荐算法RLPSO_KM_CF.首先,通过具备反向学习和局部学习能力的粒子群优化(RLPSO)算法寻找粒子群最优解,输出优化后的聚类中心;然后,运用RLPSO_KM算法对用户信息进行聚类;最后,将传统协同过滤推荐算法与RLPSO_KM聚类结合,从而对目标用户进行有效推荐.实验结果显示,RLPSO_KM_CF算法在推荐准确度方面有显著提高,具有较高的加速比,稳定性也得到了一定提升.

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

北京邮电大学学报

《北京邮电大学学报》(CN:11-3570/TN)是一本有较高学术价值的大型双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。

杂志详情