文献类型：期刊文章

作　　者：潘峰[1] 怀丽波[1] 崔荣一[1]

Pan Feng;Huai Libo;Cui Rongyi(Intelligent Information Processing Laboratory,Dept. of Computer Science & Technology,Yanbian University,Yanji Jilin 133002,China)

机构地区：[1]延边大学工学院计算机科学与技术学科智能信息处理研究室

出　　处：《计算机应用研究》

基　　金：国家语委“十二五”科研规划2015年度科研项目(YB125-178)

年　　份：2019

卷　　号：36

期　　号：6

起止页码：1629-1632

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对海量论文数据导致的应用效率低下问题,提出一个基于层次混合模型的推荐算法WSVD++。该模型根据学术论文良好的结构特征,构建一个加权的论文二部图模型。首先对论文进行特征提取,按不同特征的权重构建论文的复合关系图;其次对关系图采用一种改进的PPR算法,计算每篇论文的重要程度,依此来对用户—论文关系进行加权;然后在构建好的加权二部图模型上混合SVD++图算法进行推荐。实验结果表明,改善了推荐算法学术论文的推荐效果,并且基于分布式图计算框架GraphX,扩展性好,适合大数据处理。

关 键 词：混合模型推荐  协同过滤 SVD++  分布式图计算  GraphX  

分 类 号：TP301.6]