文件名称：Item-Based并行协同过滤推荐算法的设计与实现 (2014年)
文件大小：208KB
文件格式：PDF
更新时间：2024-05-14 11:49:18
自然科学 论文
基于协同过滤的推荐已成为推荐系统中广泛采用的推荐技术．由于应用中用户数目和商品条目的日益增长，在计算相似度和计算预测时，单机集中式计算已不能满足推荐系统实时性和可扩展性的要求．针对这一问题，设计并实现了Item-Based并行协同过滤推荐算法．该算法采用Hadoop的MapReduce与HDFS架构，可分为Map与Reduce两个过程．通过在Map和Reduce节点上的并行处理可提高算法的执行效率．实验结果表明，该算法可明显减少推荐时间，提高推荐实时性，获得良好的可扩展性．