%0 Journal Article
%T 一种混合推荐算法的Mahout实现
%A 唐科
%J 软件工程
%D 2020
%X 摘 要: 推荐算法作为推荐引擎实现的核心而得到广泛研究。在各类推荐算法中,大部分对于用户行为特征属 性、用户人口属性、物品特征属性,以及用户—物品关联特征属性等参数的应用方式存在局限性。它们一般采用相似度 计算、或模型计算等方法,其特征提取及参数的调优依赖于事前定义,存在参数优化效率低的问题。本文结合机器学习 技术,提出一种混合推荐算法,即(MMLHC算法),以多层神经网络作为参数优化计算的模型,应用Mahout库实现算 法,实验结果显示算法能有效去除原始输入数据的噪声、奇异点,在模型的各层之间优化权重参数与偏差,输出数据去 噪平滑,正常拟合。相似度与精确度的计算指标良好。
%K 推荐算法
%K 机器学习
%K 多层神经网络
%K 隐藏层
%K 可视层
%U http://www.rjgczz.com/ch/reader/view_abstract.aspx?file_no=20200607&flag=1