%0 Journal Article
%A 杨娟
%A 张鹏业
%T 基于Spark的UCSLIM推荐算法研究及实现
%D 2016
%R 10.13190/j.jbupt.2016.s.009
%J 北京邮电大学学报
%P 37-41
%V 39
%N s1
%X <p>稀疏线性（SLIM）推荐算法侧重于通过挖掘物品与物品之间的关系进而产生推荐结果.为了提高推荐质量，借鉴了SLIM算法和协同过滤算法的思想，将用户划分为用户集合，进一步挖掘用户与用户集合之间的隐含关系，并综合考虑用户与用户相关性、用户与用户集合相关性这两个因素，提出了融合用户集合关系的稀疏线性（UCSLIM）推荐算法.实验结果表明，UCSLIM算法能够提高推荐结果质量.同时为了提高算法的执行效率，分别在Spark和Hadoop云计算平台上实现了UCSLIM并行推荐算法，并通过实验表明，UCSLIM的Spark版本具有更高的计算效率.</p>
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2016.s.009