信息化、智能化技术的快速发展引发了数据爆发式增长,大数据时代的到来也伴随着“信息过载”问题的出系统是解决信息过载问题的有效方法,作为现算法当中应用很为广泛的个算法之一,协同算法有着该领域内算法无法比拟的诸多优点。但是在实际应用场景中,协同算法仍然有较多问题亟须解决。
针对协同算法面对的数据稀疏性问题,本专著分别采用数据填充方法、融合信任的概率矩阵分解模型、融合用户评分信息和项目评论特征的深度学习模行分析解决。针对协同算法面对的冷启动问题,本专著分别采用K-means聚类算法与基于优化的遗传算法的K-means聚类混合算行分析解决。针对协同算法面对的扩展性问题,本专著采用基于Hadoo台MapReduce分布式计算、HDFS分布式存储模行算法并行化处理。同时,在真实的数据集上通过实验验证上述模型与算法的可行性与有效性。
本专著共分为6章系统、数据填充方法、K-means聚类算法、基于混合算系统、基于信任关系统和融合多源数系统。
本专著可系统研究方向高年级本科生和研究生的教材,也可供相关领域的技术人员和科研工作者阅读参考。
展开