摘要:通过研究传统推荐模型和算法分析,结合大数据、混合推荐算法等特点,改进传统的检测推荐模型,基于相似度通过模型建立算法分析,采用Python编程语言提出了基于多维相似度的大数据检测推荐算法系统。
关键词:大数据;推荐算法;多维相似度 文献标识码:A 中图分类号:TN919
文章编号:2096-4137(2019)16-008-03 DOI:10.13535/j.cnki.10-1507/n.2019.16.03
0 引言
随着网络信息技术的不断发展,全球已经进入“大数据时代”。人们获取信息的途径不断创新,除了使用搜索引擎,一种新的信息获取方式正在悄然走进人们的生活,这便是推荐技术。个性化推荐是一种基于算法对他人提供的信息进行分析处理、根据用户行为和分析结果对其进行“个性化”推荐的技术,它自诞生起就成为各大视频门户网站争夺的一块战略高地,阿里、知乎、Netflix每年都会举办推荐算法竞赛来提高使用推荐算法的准确度。
1 推荐系统及算法概述
推荐系统实质上是一种形式特殊的信息过滤系统。它起源于20世纪90年代,多位学者先后在美国人工智能协会,国际人工智能联合大会等会议上提出“个性化推荐”的概念。整个推荐系统中最关键的部分是推荐算法,因为系统的性能优劣很大程度上由推荐算法来决定的。各类算法在近几十年的发展过程中取得了丰硕的成果。主要有以下几种推荐系统算法:基于关联规则的推荐算法、基于内容的推荐算法、协同过滤推荐算法、组合推荐算法等。由于上述主流的推荐算法各有优缺点,且有些互补的因素。因此,目前的推荐领域一般不会单独采用某一算法,更多的是多者的结合,即混合推荐。人们熟知Netflix、爱奇艺、今日头条上采用的推荐算法更是数十种算法的融