分布式協同過濾推薦算法
大小：0.86 MB 人氣：0 2017-12-20 需要積分：1
針對原始的基于用戶（ User-based）或基于評分項目（Item-based）的協同過濾推薦算法（CFR）大多采用“硬分類”式聚類，且具有數據稀疏性和可擴展性的問題，提出一種基于灰色關聯分析的分布式協同過濾推薦算法。算法使用Hadoop分布式計算平臺，首先，計算評分矩陣中每個評分項目的灰色關系系數；然后，計算各評分項目的灰色關聯度（ GRG）；最后，根據GRG獲得每個評分項目的近鄰集合，對不同用戶的待預測項目用對應的近鄰集合對其評分進行預測。通過在MovieLens數據集上進行實驗，與User-based和Item-based的CFR算法相比，該算法平均絕對誤差分別下降了1. 07%和0.06%，而且隨著數據規模的擴展，通過增加集群節點，算法運行效率有相應的提升。實驗結果表明，該推薦算法可以有效地實現大規模數據的推薦，并能解決數據可擴展性的問題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
