科研之友
微信
新浪微博
Facebook
分享链接
摘要
大数据具有数据量大、数据类型众多的特点，由于用户行为的复杂性，导致大数据推荐的精度降低。为了提升大数据推荐结果的准确性，提出一种基于多访问并行特征提取的大数据推荐算法。通过爬虫技术在访问网站和分类目录网站获取网站分类标签库，识别上网终端搭载的操作系统。分析历史访问行为和兴趣网站之间的关系，根据经验提取用户访问行为特征，采用RNN提取序列特征。通过BiasSVD模型简化矩阵维度，获取目标用户预测评分，利用聚类用户最近邻的真实评分和预测评分之间的平均差值调整目标预测评分，完成大数据推荐。实验结果表明，所提算法在推荐列表为12时，其覆盖率为75%～98%之间，且提高了加速比，全面验证了所提算法的优越性。
-
单位福建师范大学协和学院; 莆田学院; 福建师范大学
