典型文献
基于Hadoop的异构网络协同过滤推荐算法设计
文献摘要：
在处理复杂计算任务时,来自不同人群的大量异构数据会在异构网络中产生异常值和噪声,这极易导致推荐算法性能低下.针对此类问题,文章提出了一种基于物品和用户的协同过滤个性化推荐算法,并在Hadoop平台下实现算法的分布式并行化.首先,基于皮尔森相关和余弦相似度的方法,在其相似度计算中引入评分贡献权重函数;其次,构造异构网络,通过对权重函数的设计,计算物品相似性,进而实现了离群点敏感性的钝化;最后,在Hadoop平台下,分别对基于物品和用户的异构网络的协同过滤推荐算法在影视数据集上进行验证.实验结果表明,该算法能有效提高推荐算法的准确率和实时性,改善网络监测质量,延长网络生存时间.
文献关键词：
协同过滤;推荐;异构网络;Hadoop
中图分类号：
作者姓名：
余先荣;樊捷杰
作者机构：
江西警察学院科技与信息安全系,南昌 330100;北京科技大学计算机与通信工程学院,北京 100089
文献出处：
引用格式：
[1]余先荣;樊捷杰-.基于Hadoop的异构网络协同过滤推荐算法设计)[J].信息网络安全,2022(10):91-97
A类：
B类：
Hadoop,异构网络,网络协同,协同过滤推荐算法,算法设计,不同人群,异构数据,异常值,算法性能,个性化推荐,台下,并行化,皮尔森,余弦相似度,相似度计算,权重函数,品相,离群点,钝化,影视,网络监测,监测质量,网络生存时间
AB值：
0.290728
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
