基于 Mahout 框架与降维技术的基于项目的协同过滤
信息检索
2015-03-24 v1
摘要
协同过滤是推荐系统中应用最广泛的预测技术。大多数当前的协同过滤推荐系统在用户 - 项目矩阵中维护单一标准的用户评分。然而，最近的研究表明，通过考虑用户在项目多个方面的偏好，依赖于多标准的推荐系统可以提高推荐的预测水平和准确性。这催生了多标准协同过滤。在多标准协同过滤中，用户在新维度上对项目的多个方面进行评分，从而增加了评分矩阵的规模、稀疏性和可扩展性问题。因此，需要适当的降维技术来应对这些挑战，降低用户 - 项目评分矩阵的维度，以提高协同过滤推荐系统的预测准确性和效率。降维过程将高维输入空间映射到低维空间。因此，本文的目标是提出一种利用降维技术的高效多标准协同过滤算法，以提高推荐质量和预测准确性。奇异值分解和主成分分析等降维技术被用于解决整体评分中的可扩展性并缓解稀疏性问题。所提出的多标准协同过滤方法将使用 Apache Mahout 实现，该方法允许处理存储在分布式/非分布式文件系统中的海量数据集。
引用
@article{arxiv.1503.06562,
title = {An Item-Based Collaborative Filtering using Dimensionality Reduction Techniques on Mahout Framework},
author = {Dheeraj kumar Bokde and Sheetal Girase and Debajyoti Mukhopadhyay},
journal= {arXiv preprint arXiv:1503.06562},
year = {2015}
}
备注
6 pages, 4 figures, 3 tables