加速交替最小二乘法推荐系统优化设计

发布时间：2021-03-16 11:41

　　推荐系统帮助用户在海量数据中更便捷地找到他们最感兴趣的内容。但推荐系统存在可信度低、推荐结果的可解释性不足、可扩展性不好、随着用户数量的增大,计算时间增长且精度较低、数据稀疏性和冷启动等问题。为此提出基于交替最小二乘法（alternating least squares,ALS）的推荐系统优化算法,在ALS基础上对两个部分进一步优化:第一部分采用LBFGS （limited-memory broyden-fletcher-goldfarb-shanno）算法使搜索方向快速计算出来;第二部分采用阻尼牛顿法求解步长因子。在Spark平台上加以验证,取得较好效果。 

【文章来源】：科学技术与工程. 2019,19(14)北大核心

【文章页数】：5 页

【文章目录】：
1推荐系统设计
    1.1数据的预处理
    1.2交替最小二乘法ALS
2优化的交替最小二乘算法模型
3仿真
    3.1实验环境和数据
    3.2仿真结果
        3.2.1预测误差对比
        3.2.2时间性能对比
4结论


【参考文献】：
期刊论文
[1]基于标签重要程度的协同过滤推荐算法[J]. 董跃华,梁雪雷.  科学技术与工程. 2018(14)

硕士论文
[1]Spark平台上ALS协同过滤推荐算法研究[D]. 姜婷婷.大连海事大学 2018



本文编号：3085979