摘要：在处理大数据方面,协同过滤算法在用户相似度计算方面存在数据稀疏性和推荐效果不明显的问题.利用协同过滤算法的优点,引入时间模型和信任度模型进一步过滤,提高协同过滤算法的精确率;同时采用粒子群算法和分层遗传算法进行混合优化,分层遗传算法可弥补粒子群算法容易陷入局部最优的缺陷,粒子群算法可加快混合算法的收敛速度;在Book Crossing数据集上做推荐对比实验.结果表明,在得到最近邻用户群的基础上,使用粒子群算法和分层遗传算法进行资源推荐,相比其他资源推荐算法,提高了资源推荐的质量.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社