基于Hadoop平台的图书推荐方法研究

论文摘要

考虑到大数据环境下传统的单机推荐算法无法高速有效地处理大规模的数据,为了提高图书推荐算法性能和解决图书推荐系统可扩展性的问题,通过Hadoop平台下的MapReduce编程模型,提出一种分布式加权型混合推荐算法。在分布式环境下采用基于矩阵分解的协同过滤推荐算法,改善数据稀疏性,然后将聚类模型结合矩阵分解算法,解决读者数据冷启动问题。在Hadoop上实现该算法不仅提升了算法的运行速率,而且能够有效解决算法的可扩展性问题。

论文目录

• 1 相关概念
•   1.1 Hadoop大数据技术
•   1.2 个性化推荐技术及原理
• 2 基于Hadoop平台的图书推荐系统设计
•   2.1 分布式加权型混合推荐算法
•   2.2 图书推荐系统总体架构
•   2.3 构建读者-图书评分矩阵
• 3 结束语

文章来源

类型: 期刊论文

作者: 王晋月

关键词: 系统,混合推荐,并行计算,图书推荐

来源: 电子设计工程 2019年24期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用,图书情报与数字图书馆

单位: 商洛学院图书馆

基金: 商洛学院研究项目(18SKY019)

分类号: TP391.3;G250.7

DOI: 10.14022/j.issn1674-6236.2019.24.005

页码: 20-23

总页数: 4

文件大小: 1571K

下载量: 362