基于大数据的推荐算法研究（1）

孙远帅. 基于大数据的推荐算法研究[D]. 厦门大学, 2014.
读的一篇论文的总结

总览

基于项目层次结构的推荐算法，并结合Hadoop技术实现矩阵分解算法。

• 改进均衡相似度的余弦距离和皮尔逊相关系数的计算公式，避免计算目标用户与所有用户的相似度，从而避免了在整个用户空间中搜索最相近的k个用户，同时引入倒排索引数据结构，是查找目标用户最近邻的计算复杂度降低；
• 提出基于项目层次相似度的协同过滤算法，用户给部分项目标注标签和项目类别进行自动扩展，建立所有项目的层次结构，利用建立的项目标签层次结构计算项目之间的相似性
• 结合矩阵分解梯度下降算法的近似算法和MapReduce分布式计算框架设计实现了一种基于MapReduce的矩阵分解推荐算法

该文章通过改进相似度计算方法，引入倒排索引数据结构，来避免在整个用户空间上查找目标用户的最近邻用户，从而在一定程度上提高最近邻的查找速度。

推荐算法简介

根据使用的数据源的不同，推荐算法可以分为：

• 基于内容的推荐算法：推荐用户之前喜欢的商品内容相似的商品
  用户u的兴趣爱好向量（用户之前喜欢的所有项目向量模型的平均）
  
  其中N（u）是用户