一种混合推荐算法的Mahout实现

作     者：唐科 TANK Ke

作者机构：电子科技大学成都学院计算机学院四川成都611731 

出 版 物：《软件工程》 (Software Engineering)

年 卷 期：2020年第23卷第6期

页      面：23-26页

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：推荐算法 机器学习 多层神经网络 隐藏层 可视层 

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。