基于Hadoop的旅游景点推荐的算法实现与应用

来源：计算机技术与发展杂志2016年第03期北京时间：

作者：马腾腾;朱庆华;曹菡;沈超

摘要：通过提高挖掘效率、增强算法扩展性，解决传统的推荐算法在旅游景点推荐方面响应时间长、推荐效率低，无法适应大数据挖掘需求的问题。对现有协同过滤推荐算法进行深入分析，选取适用于旅游景点推荐的Slope One算法和Item-based算法。将这两种算法高效结合，并基于MapReduce编程在Hadoop云平台上实现算法并行化，通过采集“旅评网”的真实旅游景点评分数据验证算法的有效性。通过测试真实的旅游景点评分数据，表明算法不仅提高了推荐的准确度，而且比传统的协同过滤算法具有更高的运行速度。实验结果较好地说明了该算法具有更高的挖掘性能和可扩展性，能够更好地适应旅游景点数据量大、数据矩阵稀疏的特性，满足旅游景点推荐高命中率和个性化的要求。

关键词：Hadoop;旅游景点推荐;协同过滤;Mahout ;Item-based;Slope One