【摘要】：為解決矩陣分解應(yīng)用到協(xié)同過濾算法的局限性和準(zhǔn)確率等問題,提出基于邊界矩陣低階近似(BMA)和近鄰模型的協(xié)同過濾算法(BMAN-CF)來提高物品評分預(yù)測的準(zhǔn)確率。首先,引入BMA的矩陣分解算法,挖掘子矩陣的隱含特征信息,提高近鄰集合查找的準(zhǔn)確率;然后,根據(jù)傳統(tǒng)基于用戶和基于物品的協(xié)同過濾算法分別預(yù)測出目標(biāo)用戶對目標(biāo)物品的評分,利用平衡因子和控制因子動態(tài)平衡兩個預(yù)測結(jié)果,得到目標(biāo)用戶對物品的評分;最后,利用MapReduce計算框架的特點,對數(shù)據(jù)進(jìn)行分塊,將該算法在Hadoop環(huán)境下并行化。實驗結(jié)果表明,BMAN-CF比其他矩陣分解算法有更高的評分預(yù)測準(zhǔn)確率,且加速比實驗驗證了該算法具有較好的可擴展性。
[Abstract]:In order to solve the problem of the limitation and accuracy of matrix decomposition applied to collaborative filtering algorithm, a collaborative filtering algorithm (BMAN-CF) based on low-order approximate boundary matrix (BMA) and nearest neighbor model is proposed to improve the accuracy of item scoring prediction. Firstly, BMA's matrix decomposition algorithm is introduced to mine the implicit feature information of the submatrix to improve the accuracy of nearest neighbor set search. Then, according to the traditional collaborative filtering algorithm based on users and articles, the target user's score of the target item is predicted, and the target user's score of the object is obtained by using the balance factor and the control factor to dynamically balance the two prediction results. Finally, using the characteristics of MapReduce computing framework, the data is divided into blocks, and the algorithm is parallelized in Hadoop environment. The experimental results show that BMAN-CF has a higher score prediction accuracy than other matrix decomposition algorithms, and the speedup experiment shows that the algorithm has better scalability.
【作者單位】： 東北大學(xué)計算機科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61572123) 國家杰出青年科學(xué)基金資助項目(61225012,71325002) 遼寧省百千萬人才工程項目(2013921068) 賽爾網(wǎng)絡(luò)下一代互聯(lián)網(wǎng)技術(shù)創(chuàng)新項目(NGII20160616)~~
【分類號】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐義峰;陳春明;徐云青;;一種基于分類的協(xié)同過濾算法[J];計算機系統(tǒng)應(yīng)用;2007年01期

2 楊風(fēng)召;;一種基于特征表的協(xié)同過濾算法[J];計算機工程與應(yīng)用;2007年06期

3 王嵐;翟正軍;;基于時間加權(quán)的協(xié)同過濾算法[J];計算機應(yīng)用;2007年09期

4 曾子明;張李義;;基于多屬性決策和協(xié)同過濾的智能導(dǎo)購系統(tǒng)[J];武漢大學(xué)學(xué)報(工學(xué)版);2008年02期

5 張富國;;用戶多興趣下基于信任的協(xié)同過濾算法研究[J];小型微型計算機系統(tǒng);2008年08期

6 侯翠琴;焦李成;張文革;;一種壓縮稀疏用戶評分矩陣的協(xié)同過濾算法[J];西安電子科技大學(xué)學(xué)報;2009年04期

7 廖新考;;基于用戶特征和項目屬性的混合協(xié)同過濾推薦[J];福建電腦;2010年07期

8 徐紅;彭黎;郭艾寅;徐云劍;;基于用戶多興趣的協(xié)同過濾策略改進(jìn)研究[J];計算機技術(shù)與發(fā)展;2011年04期

9 焦晨斌;王世卿;;基于模型填充的混合協(xié)同過濾算法[J];微計算機信息;2011年11期

10 宋緯華;田元;;基于蟻群算法的協(xié)同過濾推薦技術(shù)[J];農(nóng)業(yè)圖書情報學(xué)刊;2013年08期

相關(guān)會議論文 前10條

1 沈杰峰;杜亞軍;唐俊;;一種基于項目分類的協(xié)同過濾算法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

2 周軍鋒;湯顯;郭景峰;;一種優(yōu)化的協(xié)同過濾推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 董全德;;基于雙信息源的協(xié)同過濾算法研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

4 張光衛(wèi);康建初;李鶴松;劉常昱;李德毅;;面向場景的協(xié)同過濾推薦算法[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李建國;姚良超;湯庸;郭歡;;基于認(rèn)知度的協(xié)同過濾推薦算法[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）[C];2009年

6 王明文;陶紅亮;熊小勇;;雙向聚類迭代的協(xié)同過濾推薦算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

7 胡必云;李舟軍;王君;;基于心理測量學(xué)的協(xié)同過濾相似度方法(英文)[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

8 林麗冰;師瑞峰;周一民;李月雷;;基于雙聚類的協(xié)同過濾推薦算法[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

9 羅喜軍;王韜丞;杜小勇;劉紅巖;何軍;;基于類別的推薦——一種解決協(xié)同推薦中冷啟動問題的方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 黃創(chuàng)光;印鑒;汪靜;劉玉葆;王甲海;;不確定近鄰的協(xié)同過濾推薦算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯一[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 紀(jì)科;融合上下文信息的混合協(xié)同過濾推薦算法研究[D];北京交通大學(xué);2016年

2 程殿虎;基于協(xié)同過濾的社會網(wǎng)絡(luò)推薦系統(tǒng)關(guān)鍵技術(shù)研究[D];中國海洋大學(xué);2015年

3 于程遠(yuǎn);基于QoS的Web服務(wù)推薦技術(shù)研究[D];上海交通大學(xué);2015年

4 段銳;融合文本內(nèi)容與情境信息的協(xié)同過濾推薦方法研究[D];合肥工業(yè)大學(xué);2017年

5 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學(xué);2009年

6 孔維梁;協(xié)同過濾推薦系統(tǒng)關(guān)鍵問題研究[D];華中師范大學(xué);2013年

7 夏培勇;個性化推薦技術(shù)中的協(xié)同過濾算法研究[D];中國海洋大學(xué);2011年

8 趙向宇;Top-N協(xié)同過濾推薦技術(shù)研究[D];北京理工大學(xué);2014年

9 王中卿;基于文本信息的社會關(guān)系分析與研究[D];蘇州大學(xué);2016年

10 王嘯;基于生成模型和矩陣分解的社區(qū)發(fā)現(xiàn)算法研究[D];天津大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 梁四香;基于改進(jìn)協(xié)同過濾的推薦系統(tǒng)研究與實現(xiàn)[D];鄭州大學(xué);2017年

2 鄒騰飛;基于多特征融合的混合協(xié)同過濾算法研究[D];西南大學(xué);2015年

3 于鈺雯;基于項目凝聚層次聚類的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

4 杜文剛;基于多屬性評分的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

5 高慧敏;融合占有度的時間遺忘協(xié)同過濾混合推薦算法研究[D];燕山大學(xué);2015年

6 蘇靖涵;面向SaaS多租戶的動態(tài)推薦方法研究[D];遼寧大學(xué);2015年

7 徐曉妮;基于人工魚群算法的協(xié)同過濾推薦算法研究[D];遼寧大學(xué);2015年

8 羅培;移動購物導(dǎo)購關(guān)鍵技術(shù)的研究與系統(tǒng)實現(xiàn)[D];西南交通大學(xué);2015年

9 李婧;融合用戶差異度及信息熵的協(xié)同過濾推薦算法[D];西安建筑科技大學(xué);2015年

10 樂柱;基于誤差反饋的協(xié)同過濾算法[D];華南理工大學(xué);2015年

，

本文編號：2408293