基于Hadoop的协同过滤推荐算法

在电子商务推荐系统中，协同过滤算法技术是主要的采用技术，而推荐系统的准确率受相似度方法的直接影响。本文通过对用户共同评分项的流行度和用户的特征之间的相关性的分析，给出了改进的相似度度量方法及相应的协同过滤推荐算法，设计并实现了基于Hadoop的协同过滤推荐系统。利用MAE分别对原始协同过滤推荐效果和改进后的推荐算法进行测评，结果表明，该算法在一定程度上提高了推荐的准确度。同时，对分布式推荐平台的整体性能实验表明，随着虚拟机节点的适度增加，协同过滤推荐引擎的计算时间不断减少，这表明推荐引擎的总体性能较传
　　统单机推荐引擎得到提升。