数字图书馆推荐系统协同过滤算法改进及实证分析

发布时间：2018-07-13 09:05

【摘要】：[目的 /意义]为了提高传统协同过滤算法的计算速度,解决目标用户随着时间推移发生兴趣偏移而导致推荐系统质量下降的问题,以期进一步提升推荐系统运行效率和推荐质量。[方法 /过程]提出预先计算用户相似度算法和引入时间评分权重计算相似度矩阵的两种算法的改进,并利用Hadoop平台实证分析改进后的算法。[结果 /结论]实验结果证明:预先计算用户相似度算法缩短了对读者推送相关信息的时间,从而有效地提升了计算速度;引入时间评分权重计算相似度矩阵大大降低了MAE值,从而提高了推荐质量,两种算法同时应用后推荐系统在计算速度、准确率和新颖性方面都有显著提升。
[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.
【作者单位】： 商洛学院图书馆;
【基金】：陕西省社科界2017年度重大理论与现实问题研究项目“新时期陕西省农家书屋可持续发展的困境与对策研究”(项目编号:2017Z057)研究成果之一
【分类号】：G250.76;TP391.3

【相似文献】

相关期刊论文 前10条

1 ;电商推荐系统进阶[J];IT经理世界;2013年11期

2 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

3 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

4 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

5 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

6 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

7 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

8 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

9 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

10 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

相关会议论文 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

相关博士学位论文 前10条

1 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年

2 田刚;融合维基知识的情境感知Web服务发现方法研究[D];武汉大学;2015年

3 胡亮;集成多元信息的推荐系统建模方法的研究[D];上海交通大学;2015年

4 孙丽梅;Web-based推荐系统中若干关键问题研究[D];东北大学;2013年

5 郑麟;基于属性提升与偏好集成的上下文感知推荐[D];武汉大学;2017年

6 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

7 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

8 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

9 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

10 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

相关硕士学位论文 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

，

本文编号：2118860