基于Spark平台的并行化谱聚类算法的在线学习资源推荐

来源：济南大学学报·自然科学版杂志2024年第04期北京时间：

作者：刘莹,杨淑萍,张治国

摘要：为了提高在线学习资源推荐的准确度，采用谱聚类用于学习资源的归类，将类别相似度高的资源推荐给用户，提出Spark平台的并行化谱聚类算法，提高资源推荐效率；首先提取在线学习资源及用户特征并初始化，建立谱聚类模型，在Spark平台上分别求解无向图的顶点相似度及归一化拉普拉斯系数；然后采用归一化分割划分子集，通过归一化割集优化方式求解类别特征，并对类别特征按行输出特征点；最后采用k均值算法对特征点进行聚类，获得聚类结果。结果表明，采用谱聚类算法并借助于Spark平台的计算优势，所提推荐方法比常用的在线学习资源推荐算法的准确率和覆盖率更高，在海量学习资源的实时推荐方面具有较高适应度。

关键词：在线学习;资源推荐;谱聚类;Spark平台;图分割

基金资助：国家自然科学基金项目(62176142);; 国家社会科学基金项目(BJA190094)