典型文献
基于时间加权ALS模型协同过滤推荐算法
文献摘要：
大数据时代背景下,网络产生的数据爆炸式增长,用户想获取符合个性化需求的数据信息变得十分困难.推荐系统的目的就是根据用户的个性化兴趣从而从大量的数据中寻找用户所关心的信息,并推荐给用户.正因如此,推荐系统一直是学术界讨论的热点,但是传统的推荐算法忽略了时间的推移会导致用户兴趣的偏移,物品特征对推荐的影响,从而导致的准确率不高.针对以上问题,对矩阵分解模型进行了优化,将时间因子和物品特征因子加入ALS算法中进行融合加权,并在Spark平台并行化实现.实验表明,优化后的ALS算法的RSME值下降了6.2％,推荐结果的准确度有所提升.
文献关键词：
推荐算法;矩阵分解;ALS;时间权重
中图分类号：
作者姓名：
徐雪东;刘晓东
作者机构：
武汉邮电科学研究院,湖北武汉430070;武汉虹旭信息技术有限责任公司,湖北武汉430070
文献出处：
引用格式：
[1]徐雪东;刘晓东-.基于时间加权ALS模型协同过滤推荐算法)[J].电子设计工程,2022(14):39-43
A类：
B类：
时间加权,ALS,协同过滤推荐算法,大数据时代背景,爆炸式,个性化需求,十分困难,推荐系统,正因如此,导致用户,用户兴趣,品特,矩阵分解,分解模型,时间因子,特征因子,Spark,并行化,RSME,时间权重
AB值：
0.412332
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。
