基于Ambari的協(xié)同過濾推薦算法的研究

許挺娟

摘要：傳統(tǒng)的協(xié)同過濾推薦（（Collaborative Filtering，CF）算法是目前應(yīng)用最廣泛的一種推薦算法，但是由于CF存在稀疏性、冷啟動等問題，所以本文提出了基于mahout的CF算法。結(jié)果表明，相比較傳統(tǒng)的兩種CF算法，使用基于mahout的CF算法能夠提升推薦時間和推薦精度。

關(guān)鍵詞：協(xié)同過濾;mahout;推薦算法;Taste引擎

中圖分類號：TP312 文獻標識碼：A 文章編號：1007-9416（2019）06-0133-02

0 引言

目前，由百度、谷歌所推出的推薦引擎已經(jīng)被廣泛應(yīng)用，但是推薦引擎是大眾性的，不具有個性化特點。所以推薦系統(tǒng)就由此產(chǎn)生。推薦方法主要包括三種：基于內(nèi)容的推薦算法、基于模型的推薦和協(xié)同過濾推薦。協(xié)同過濾方法是上述推薦方法中應(yīng)用最為廣泛的，但是它還是有很多問題需要解決的。如稀疏性問題（Sparsity）、可擴展性問題（Scalability）等。本文提出了基于Ambari平臺的協(xié)同過濾推薦算法。基于MovieLens數(shù)據(jù)集的實驗表明，本文算法很好地解決了協(xié)同過濾的問題，同時提高了推薦精度及響應(yīng)時間。

1 相關(guān)技術(shù)

1.1 Ambari

Ambari是Apache下的一種基于Web的工具，所以他支持Apache下的大多數(shù)服務(wù)，就本文來說，最重要的是mahout框架，mahout提供了一系列經(jīng)典的機器學(xué)習(xí)算法。其中Taste引擎提供了一系列的組件，這樣我們就可以使用Mahout中的Taste幫助構(gòu)建推薦系統(tǒng)。

1.2 協(xié)同過濾算法

協(xié)同過濾推薦算法主要分為基于用戶的協(xié)同過濾技術(shù)（user-cf）和基于項目（item-cf）的協(xié)同過濾技術(shù)。user-cf在于考慮的是用戶之間的相似性。首先，識別出與目標用戶具有高度相似性的鄰居用戶，然后向用戶推薦鄰居最喜歡的項目。而item-cf是從項目角度出發(fā)的，主要通過計算項目之間的相似性。……