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

来源：电子测试, 2020, (1): 70-72,83.

DOI：10.3969/j.issn.1000-8519.2020.01.025

• 推荐算法
• 协同过滤
• ALS
• Fp-growth
• Spark

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.

• 单位
  华中师范大学