Hits:

Indexed by:期刊论文

Date of Publication:2018-03-16

Journal:计算机工程与设计

Volume:39

Issue:3

Page Number:752-757,791

ISSN No.:1000-7024

Key Words:协同过滤;L-BFGS算法;因子分解机模型;云环境;个性化推荐

Abstract:为解决云环境下协同过滤算法面临的数据稀疏性和算法可扩展性问题,提出一种基于L-BFGS优化的协同过滤算法.将用户和商品的特征进行组合,降低数据稀疏性影响;用L-BFGS算法对因子分解机模型进行参数训练,通过模型进行评分预测推荐.在Spark计算框架使用不同数据集进行实验比较,比较结果表明,该算法具有良好的预测精度和可扩展性,计算效率和资源能更好地适应云环境下推荐系统的实时性要求.