Abstract：
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Movie Lens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.
Keyword：
Reprint 's Address：
Email：
Source ：
计算机系统应用
Year： 2015
Issue： 05
Volume： 24
Page： 100-105
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
