论文部分内容阅读
针对传统的推荐算法有着数据稀疏性、推荐效果不精确、大规模数据难以处理等问题,提出了一种过滤dislike因素干扰的隐语义模型推荐算法。该算法根据Slope-One算法计算出用户对物品的厌恶程度评分项,然后使用基于隐语义模型的ALS矩阵分解算法对其进行交叉过滤,避免了隐语义模型中包含的用户dislike评分项对其推荐效果的干扰。基于Spark平台,在Movielens数据集进行了相关的实验验证。结果表明,所提出的算法在准确度、精确率方面均优于ALS算法、基于物品的协同过滤方法以及Slope-One算法。