论文部分内容阅读
传统的推荐算法随着用户和项目的数量增多,新用户在单一项目上的行为减少,导致推荐质量较低,鉴于此,提出一种融合文档主题算法（LDA）和交替最小二乘算法（ALS）的混合协同过滤推荐算法。LDA-ALS算法结合了文档主题算法和交替最小二乘算法的优势,缓解因用户信息缺失造成的冷启动问题,并将高维的用户-项目评分矩阵映射到低维的近似矩阵中,有效缓解了数据稀疏性问题。实验结果表明:在Spark平台下,该算法在旅游数据集上比传统推荐算法降低了2.4%的误差,而且更能适应目前网络环境下的大数据处理。