科研之友
微信
新浪微博
Facebook
分享链接
摘要
大数据时代背景下，网络产生的数据爆炸式增长，用户想获取符合个性化需求的数据信息变得十分困难。推荐系统的目的就是根据用户的个性化兴趣从而从大量的数据中寻找用户所关心的信息，并推荐给用户。正因如此，推荐系统一直是学术界讨论的热点，但是传统的推荐算法忽略了时间的推移会导致用户兴趣的偏移，物品特征对推荐的影响，从而导致的准确率不高。针对以上问题，对矩阵分解模型进行了优化，将时间因子和物品特征因子加入ALS算法中进行融合加权，并在Spark平台并行化实现。实验表明，优化后的ALS算法的RSME值下降了6.2%，推荐结果的准确度有所提升。
-
单位武汉邮电科学研究院
