基于Spark平台ALS模型推荐算法的研究与优化

作者：李珍; 吴青洋

来源：电脑知识与技术, 2019, 15(13): 19-22.

DOI：10.14004/j.cnki.ckt.2019.1450

• Spark
• 最小二乘法
• 矩阵分解
• 推荐系统
• 协同过滤

推荐算法是推荐系统的重要组成部分,交替最小二乘算法ALS(Alternating Least Squares)在许多大规模数据处理过程中,经常用于计算潜在的因子矩阵分解。对于ALS算法迭代次数多、收敛时间长的问题,该文提出了一种采用非线性共轭梯度算法NCG(nonlinear conjugate gradient)对ALS算法进行改进,来加快ALS算法的收敛速度,并对该方法进行了实验研究,通过在MovieLens 10M数据集上的实验结果表明,ALS-NCG模型推荐算法在收敛过程中,比ALS模型推荐算法迭代次数少,时间消耗少。