【摘要】：[目的 /意義]為了提高傳統(tǒng)協(xié)同過濾算法的計算速度,解決目標用戶隨著時間推移發(fā)生興趣偏移而導致推薦系統(tǒng)質(zhì)量下降的問題,以期進一步提升推薦系統(tǒng)運行效率和推薦質(zhì)量。[方法 /過程]提出預先計算用戶相似度算法和引入時間評分權(quán)重計算相似度矩陣的兩種算法的改進,并利用Hadoop平臺實證分析改進后的算法。[結(jié)果 /結(jié)論]實驗結(jié)果證明:預先計算用戶相似度算法縮短了對讀者推送相關信息的時間,從而有效地提升了計算速度;引入時間評分權(quán)重計算相似度矩陣大大降低了MAE值,從而提高了推薦質(zhì)量,兩種算法同時應用后推薦系統(tǒng)在計算速度、準確率和新穎性方面都有顯著提升。
[Abstract]:[objective / significance] in order to improve the computational speed of the traditional collaborative filtering algorithm and solve the problem that the quality of the recommendation system decreases due to the shift of interest of the target user over time, In order to further improve the operational efficiency of recommendation system and recommendation quality. [methods / process] this paper proposes two improved algorithms to calculate the user similarity in advance and to calculate the similarity matrix by introducing the weight of time scoring. The improved algorithm is analyzed by using Hadoop platform. [results / conclusion] the experimental results show that: the precomputed user similarity algorithm shortens the time to push the relevant information to readers, thus effectively improves the computing speed; The similarity matrix of time scoring weight calculation greatly reduces the value of mae and improves the quality of recommendation. After the application of the two algorithms, the speed, accuracy and novelty of the recommendation system are improved significantly.
【作者單位】： 商洛學院圖書館;
【基金】：陜西省社科界2017年度重大理論與現(xiàn)實問題研究項目“新時期陜西省農(nóng)家書屋可持續(xù)發(fā)展的困境與對策研究”(項目編號:2017Z057)研究成果之一
【分類號】：G250.76;TP391.3

【相似文獻】

相關期刊論文 前10條

1 ;電商推薦系統(tǒng)進階[J];IT經(jīng)理世界;2013年11期

2 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

3 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設計;2006年17期

4 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學推薦系統(tǒng)的設計與實現(xiàn)[J];計算機應用研究;2007年05期

5 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導刊;2007年23期

6 葉群來;;營銷與網(wǎng)絡推薦系統(tǒng)[J];電子商務;2007年10期

7 李媚;;個性化網(wǎng)絡學習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

8 潘冉;姜麗紅;;基于經(jīng)濟學模型的推薦系統(tǒng)的研究[J];計算機應用與軟件;2008年03期

9 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學報;2008年01期

10 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

相關會議論文 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

相關博士學位論文 前10條

1 周魏;推薦系統(tǒng)中基于目標項目分析的托攻擊檢測研究[D];重慶大學;2015年

2 田剛;融合維基知識的情境感知Web服務發(fā)現(xiàn)方法研究[D];武漢大學;2015年

3 胡亮;集成多元信息的推薦系統(tǒng)建模方法的研究[D];上海交通大學;2015年

4 孫麗梅;Web-based推薦系統(tǒng)中若干關鍵問題研究[D];東北大學;2013年

5 鄭麟;基于屬性提升與偏好集成的上下文感知推薦[D];武漢大學;2017年

6 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術(shù)大學;2007年

7 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

8 王立才;上下文感知推薦系統(tǒng)若干關鍵技術(shù)研究[D];北京郵電大學;2012年

9 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術(shù)大學;2014年

10 劉士琛;面向推薦系統(tǒng)的關鍵問題研究及應用[D];中國科學技術(shù)大學;2014年

相關碩士學位論文 前10條

1 朱孔真;基于云計算的電子商務智能推薦系統(tǒng)研究[D];武漢理工大學;2014年

2 郭敬澤;基于賦權(quán)評分和Dpark的分布式推薦系統(tǒng)研究與實現(xiàn)[D];天津理工大學;2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設計[D];江南大學;2015年

4 李煒;基于電子商務平臺的保險推薦系統(tǒng)的設計與實現(xiàn)[D];復旦大學;2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學;2015年

6 秦大路;基于因式分解機模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學;2015年

7 徐霞婷;動態(tài)路網(wǎng)監(jiān)控與導航推薦系統(tǒng)的設計與實現(xiàn)[D];蘇州大學;2015年

8 黃學峰;基于Hadoop的電影推薦系統(tǒng)研究與實現(xiàn)[D];南京師范大學;2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設計與實現(xiàn)[D];上海交通大學;2015年

10 李愛寶;基于組合消費行為分析的團購推薦系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

，

本文編號：2118860