基于朴素贝叶斯与协同过滤的分布式推荐模型研究

来源期刊：北方工业大学学报2017年第5期

论文作者：何丽 李熙伟

文章页码：87 - 93

关键词：分布式推荐系统;Spark;协同过滤;文本情感分析;朴素贝叶斯;

摘    要：针对传统矩阵分解算法在处理海量数据时所面临的性能瓶颈以及大量数据的关键特征缺失问题,本文基于并行化矩阵分解算法对推荐系统效率进行提升,使用朴素贝叶斯分类算法提高推荐的准确率.首先基于TF-IDF算法构建图书评论的情感词典;然后结合朴素贝叶斯算法完善缺失关键特征的数据;最后使用并行化后的协同过滤推荐算法得到推荐结果.本文采用豆瓣读书网站上的真实图书评论数据进行实验验证,实验结果表明,分布式环境下的协同过滤推荐算法与朴素贝叶斯算法能够高效结合,显著提高推荐效率,准确度也有所提升.