基于云计算的受限玻尔兹曼机推荐算法研究
数据的指数级增长及算法本身的复杂性使受限玻尔兹曼机面临着计算效率的问题.在详细分析受限玻尔兹曼机的基础上,将受限玻尔兹曼机与Hadoop平台的并行计算架构相结合,提出基于云平台的受限玻尔兹曼机推荐算法.该算法通过复制机制解决数据相关性问题,并将传统的受限玻尔兹曼机过程分解为若干个Hadoop任务的循环,实现并行计算.实验结果表明,与在传统平台上的实现相比,基于Hadoop并行架构的受限玻尔兹曼机推荐算法在大体量数据集的条件下可大幅提高推荐计算效率.
信息处理 协同过滤算法 受限玻尔兹曼机模型 云计算
郑志蕴 李步源 李伦 李钝
郑州大学信息工程学院 郑州 450001
国内会议
南宁
中文
259-263
2013-07-26（万方平台首次上网日期，不代表论文的发表时间）