收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进受限玻尔兹曼机推荐算法的分布式实现

马宗学  
【摘要】:随着信息科技的高速发展,互联网的普及程度越来越高,网络信息呈现指数增长,我们面临的不再是信息贫乏的境地,而是信息过载的事实。在大量的网络信息中,用户难以快速准确的找到有价值的信息。面对日益突出的信息过载与个性化需求之间的矛盾,推荐系统成为解决这一问题的一种有效手段。协同过滤算法是当前应用最多的推荐技术,但随着网络规模的扩大,协同过滤技术面临诸多挑战,其推荐效率仍然未达到人们的期望。面对海量数据,传统推荐系统已经无法有效解决信息过载问题。当前,基于受限玻尔兹曼机的协同过滤算法根据用户间兴趣的相似度和兴趣偏好,实现为用户的推荐,但是随着信息数的快速增加,算法的计算效率越来越低,鉴于此,本文提出增加冲量的方法来改进受限玻尔兹曼机,以加快其的推荐速度,并且应用Hadoop平台的MapReduce技术未实现基于受限玻尔兹曼机的协同过滤算法的并行化从而进一步提高算法效率。本文主要研究提高推荐系统效率的方法,提出改进受限玻尔兹曼机的策略以及利用MapReduce并行计算模型对改进算法进行了分布式并行设计,以提高对大规模推荐的效率。主要研究内容为:首先,本文描述了现今流行的推荐算法,然后将这些算法的模型、优缺点等进行了介绍;接着介绍Hadoop平台,主要包括HDFS文件系统以及MapReduce框架结构;随后,重点介绍受限玻尔兹曼机算法,提出改进算法,提高算法效率的方法,即增加冲量,并在此基础之上,结合MapReduce计算模式,将受限玻尔兹曼机应用到推荐系统进行了并行化的设计,用以进一步提高推荐算法的运行速度。最后,本文在MovieLens数据集上来验证分布式平台的计算效率,实验表明,与传统的基于受限玻尔兹曼机的协同过滤算法相比,基于分布式的改进受限玻尔兹曼机推荐算法能够大幅提高运算效率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期
2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期
3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期
4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期
5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期
6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期
7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期
8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期
9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期
10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期
11 尹长青;杨单稷;;基于视频的智能推荐算法[J];科技传播;2011年22期
12 吴泓辰;王新军;成勇;彭朝晖;;基于协同过滤与划分聚类的改进推荐算法[J];计算机研究与发展;2011年S3期
13 刘枚莲;刘同存;吴伟平;;基于网络消费者偏好预测的推荐算法研究[J];图书情报工作;2012年04期
14 赵玉艳;谷胜伟;;一种面向云计算环境的服务推荐算法[J];巢湖学院学报;2012年03期
15 李克潮;梁正友;;基于多特征的个性化图书推荐算法[J];计算机工程;2012年11期
16 吕善国;吴效葵;曹义亲;;基于网络结构的推荐算法[J];实验室研究与探索;2012年07期
17 王晟;王子琪;张铭;;个性化微博推荐算法[J];计算机科学与探索;2012年10期
18 苏莹;刘建国;郭强;田大钢;;考虑负面评价的个性化推荐算法研究[J];运筹与管理;2012年06期
19 郑志娴;;微博个性化内容推荐算法研究[J];电脑开发与应用;2012年12期
20 郭均鹏;宁静;史志奇;;基于区间型符号数据的群组推荐算法研究[J];计算机应用研究;2013年01期
中国重要会议论文全文数据库 前10条
1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集(技术报告篇)[C];2007年
2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年
3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集(技术报告篇)[C];2004年
4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年
5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文(摘要)汇集[C];2009年
6 梁莘燊;刘莹;;基于效能的学术资源推荐算法研究[A];第六届(2011)中国管理学年会——信息管理分会场论文集[C];2011年
7 高琪;辛乐;;基于用户偏好度模型和情感计算的产品推荐算法[A];第二十九届中国控制会议论文集[C];2010年
8 李扬;陈超;祁麟;俞能海;;一种基于用户行为相似度的协同推荐算法[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
9 董媛香;肖智;王现宁;;基于软集合和HeatS+ProbS的混合输入推荐算法研究[A];2013中国信息经济学会学术年会暨博士生论坛论文集[C];2013年
10 贺会磊;郭斌;於志文;周兴社;;基于社交拓扑挖掘的社会活动辅助[A];第八届和谐人机环境联合学术会议(HHME2012)论文集PCC[C];2012年
中国博士学位论文全文数据库 前7条
1 郭磊;社会网络中基于社会关系的推荐算法研究[D];山东大学;2015年
2 贾春晓;基于复杂网络的推荐算法和合作行为研究[D];中国科学技术大学;2011年
3 秦利静;推荐系统模型与学习算法研究[D];清华大学;2014年
4 刘青文;基于协同过滤的推荐算法研究[D];中国科学技术大学;2013年
5 邓爱林;电子商务推荐系统关键技术研究[D];复旦大学;2003年
6 王晓芳;社会化标注系统中群组推荐方法研究[D];山东大学;2014年
7 崔昊旻;海量视频节目的检索、推荐与反馈学习[D];中国科学技术大学;2014年
中国硕士学位论文全文数据库 前10条
1 梁浩强;移动支付平台精准推荐算法设计与实现[D];华南理工大学;2015年
2 王蒙;基于LDA的文本推荐算法的研究及在文献检索的应用[D];辽宁大学;2015年
3 陆园丽;基于非负矩阵分解的鲁棒推荐算法研究[D];燕山大学;2015年
4 黄建平;基于用户参考价格倾向度的协同过滤推荐算法研究[D];华南理工大学;2015年
5 陈清浩;基于SVD的协同过滤推荐算法研究[D];西南交通大学;2015年
6 卜旭松;基于物品协同过滤的个性化视频推荐算法改进研究[D];宁夏大学;2015年
7 王文昊;基于移动图书馆的个性化推荐算法的研究及应用[D];中国地质大学(北京);2015年
8 马宗学;基于改进受限玻尔兹曼机推荐算法的分布式实现[D];兰州大学;2015年
9 季芸;基于主动学习的个性化推荐算法研究[D];南京理工大学;2015年
10 于嘉;基于MAHOUT的几种推荐算法的组合实现与评测[D];华中师范大学;2015年
中国重要报纸全文数据库 前1条
1 记者 王夕;网络也会“读心术”[N];北京科技报;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978