感知用户年龄的 Item-based 协同过滤推荐算法

来源：计算机技术与发展杂志2019年第06期北京时间：

作者：张彩廷;祝永志

摘要：随着大数据时代的到来,推荐系统为人们寻找自己感兴趣的物品或事件提供了捷径。 协同过滤推荐算法分为 User-based 协同过滤算法和 Item-based 协同过滤推荐算法。 传统 Item-based 协同过滤推荐算法只关注 Item 间的相似度,与目标用户特征无关,因此传统算法相似度不能有效反映 Item 间的相似程度,推荐准确率低。 并且传统 Item-based 协同过滤算法需要基于所有用户的历史行为数据进行计算,随着数据量的快速增长计算量不断增大,推荐时效性差。 针对以上问题,提出了一种感知用户年龄的 Item-based 协同过滤推荐算法,基于用户年龄特征对用户进行分类,在类内采用加权相似度对 Item 间的相似度进行计算,并且在 Spark 分布式计算平台上运行测试。 实验结果显示,该算法不仅保证了推荐准确率,而且大幅度提高了推荐效率,提升了推荐系统的实时性。

关键词：用户年龄;实时;Item-based 协同过滤;Spark