%0 Journal Article
%A 薛菲
%A 游思晴
%A 赵东杰
%A 周丽
%T 基于粒子群优化算法的协同过滤推荐并行化研究
%D 2018
%R 10.13190/j.jbupt.2018-028
%J 北京邮电大学学报
%P 115-122
%V 41
%N 6
%X 针对常用协同过滤推荐算法存在计算性能瓶颈的问题，提出了在Spark上并行化实现协同过滤推荐算法RLPSO_KM_CF.首先，通过具备反向学习和局部学习能力的粒子群优化（RLPSO）算法寻找粒子群最优解，输出优化后的聚类中心；然后，运用RLPSO_KM算法对用户信息进行聚类；最后，将传统协同过滤推荐算法与RLPSO_KM聚类结合，从而对目标用户进行有效推荐.实验结果显示，RLPSO_KM_CF算法在推荐准确度方面有显著提高，具有较高的加速比，稳定性也得到了一定提升.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2018-028