文献类型：期刊文章

作　　者：穆诗棋[1] 徐小良[1] 何宏[2] 王宇翔[1] 夏一行[1]

MU Shiqi;XU Xiaoliang;HE Hong;WANG Yuxiang;XIA Yixing(School of Computer,Hangzhou Dianzi University,Hangzhou Zhejiang,China;Institute of Science and Technology,Hangzhou Dianzi University,Hangzhou Zhejiang,China)

机构地区：[1]杭州电子科技大学计算机学院,浙江杭州310018 [2]杭州电子科技大学科学技术研究院,浙江杭州310018

出　　处：《杭州电子科技大学学报（自然科学版）》

基　　金：浙江省基础公益研究计划资助项目(LGG18F020014,LGG19F020017);浙江省自然科学基金资助项目(LY17F020028)

年　　份：2019

卷　　号：39

期　　号：5

起止页码：30-34

语　　种：中文

收录情况：RCCSE、普通刊

摘　　要：为了快速精准地将企业技术需求与科技专家进行匹配,提出一种基于Spark的分布式科技专家推荐模型,解决海量科技资源分类效果不佳和推荐速度慢的问题。首先,采用改进的基于萤火虫的近邻传播聚类算法(Firefly Algorithm Affinity Propagation clustering,FAAP)对参考度进行自适应优化,以提高数据集的分类效果;其次,在Spark环境下,研究一种基于近邻传播聚类算法的科技专家推荐模型,采用FAAP算法优化科技资源的分类效果,设计打分机制对推荐专家进行排序,并根据企业需求进行高级筛选,快速匹配科技专家和企业技术需求,加快科技专家推荐的速度。

关 键 词：专家推荐  近邻传播聚类算法  萤火虫算法 SPARK

分 类 号：TP391]