基于ALS协同过滤及频繁项挖掘的混合推荐算法

作     者：肖端翔 Xiao Duanxiang

作者机构：华中师范大学物理科学与技术学院 

出 版 物：《电子测试》 (Electronic Test)

年 卷 期：2020年第31卷第1期

页      码：70-72,83页

摘      要：在信息技术日益发展的当下,不同类型的推荐算法在互联网行业的各领域有着广泛的应用。在目前使用较多的推荐算法中,部分侧重于基于评分的预测,也有部分是基于关联排序生成的推荐序列。本文设计一种混合推荐算法,将交替最小二乘法(ALS)计算的具体评分与Fp-growth的置信度相结合,融合两种算法的优势,从而实现推荐结果优化。基于Spark计算框架的实验表明,在选取合适的算法参数的情况下,这种改进的算法与交替最小二乘法(ALS)的原始结果相比,效率有较明显的提高,能够更准确的为用户做出个性化推荐。

主 题 词：推荐算法 协同过滤 ALS Fp-growth Spark 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16520/j.cnki.1000-8519.2020.01.025

馆 藏 号：203880076...