基于学习排序的并行协同过滤推荐算法
Posted 华中科技大学学报自然科学版
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于学习排序的并行协同过滤推荐算法相关的知识，希望对你有一定的参考价值。
摘要：为实现大数据环境下高效、精准的商品推荐，将协同过滤思想与信息检索理论有机融合，提出基于学习排序(LTR)的并行协同过滤推荐算法．首先利用相似物品-物品网络图结构共享参数的方法减少参数，通过Pairwise方法构造目标函数，并利用梯度上升法得到参数．还提出了通过使用层次聚类的方法对差异性较大的相似图进行分裂，以保证推荐的准确度．最后给出大数据平台Spark下该推荐算法的并行化实现方案．在真实数据集Netflix上的实验结果表明：提出的算法不仅在召回率和准确率上有所提高，而且计算效率高效，表明该方法可以应用于大数据场景中的推荐服务．
关键词：推荐算法；协同过滤；学习排序(LTR)；Top N推荐；并行化；Spark平台
文献来源：肖菁，袁凌，黄昌勤，吴不晓．基于学习排序的并行协同过滤推荐算法［J］．华中科技大学学报(自然科学版)，2018，46(3)：36-41
DOI：10.13245/j.hust.180307
以上是关于基于学习排序的并行协同过滤推荐算法的主要内容，如果未能解决你的问题，请参考以下文章