科研之友
微信
新浪微博
Facebook
分享链接
摘要
在大规模集群稀疏数据中使用混合特征技术处理海量大数据，可以显著优化推荐算法的可扩展性。于是设计了量稀疏大数据混合特征个性化推荐算法。利用逻辑运算方法处理稀疏数据，获取数据之间的关联性系，并及时填补缺失数据。针对大数据具有的数值和属性两种混合特征，通过计算相异性测度，建立混合特征聚类目标函数，实现数据聚类。基于聚类结果，从登陆、注册、检索浏览习惯等方面采集用户行为特征信息。采用显著数据分区检测方法融合用户信息，建立用户偏好挖掘模型，以行为偏好为基础，计算用户对内容的评分情况，将所有项目按照评分值排序，生成推荐列表。仿真结果表明，研究方法的同类大数据聚类准确度更高，平均绝对误差低于0.04,验证了上述方法的推荐结果可满足用户需求。
- 单位
