协同过滤推荐算法对比分析与优化应用①.PDFVIP

计 算 机 系 统 应 用 2015 年 第 24 卷 第 5 期 协同过滤推荐算法对比分析与优化应用① 张学钱, 林世平, 郭 昆 (福州大学 数学与计算机科学学院, 福州 350108) 摘 要: 协同过滤推荐算法分为基于内存和基于模型的推荐算法, 协同过滤推荐算法存在数据稀疏性、可扩展 性、冷启动等问题. 通过基于用户、基于项目协同过滤推荐算法以及 SVD、Slope-One、KNN 等基于模型协同过 滤推荐算法对比分析. 提出加入特征向量维度优化的 SVD 算法, 通过降维改善数据稀疏性问题. 利用 Hadoop 分 布式平台改善推荐算法可扩展性问题. 基于 MovieLens 数据集实验结果表明, 引入基于 Boolean 相似性计算方法 的推荐效果更优, 引入数量权重和标准差权重的优化 Slope-One 算法和引入特征向量维度的优化 SVD 算法推荐 效果更优. 关键词: 协同过滤; 相似性; Hadoop; Slope-One; SVD Collaborative Filteri