作者:赵恩毅; 王瑞刚协同过滤hadoop推荐聚类
摘要:为了改善在大数据环境下协同过滤推荐算法的性能问题,通过Hadoop平台下的MapReduce编程模型,提出一种基于改进K-means聚类的协同过滤推荐算法。在分布式环境下对高维数据采用矩阵分解进行预处理,改善数据稀疏性之后构建改进聚类模型,再利用聚类模型结合协同过滤算法形成推荐候选空间完成推荐。经实验验证,该方法不仅提升了算法的运行速率以及推荐精度,而且能够有效解决数据的稀疏性和算法的可扩展性问题。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社