罗云芳 李 力

1(广西职业技术学院机电与信息工程学院 广西 南宁 530226)2(电子科技大学计算机科学与工程学院 四川 成都 610054)

0 引 言

近年来，大数据已发展成为许多工业和科学领域、电子商务和电子政务的数据分析和服务新技术。大数据这个术语通常指的是数据集，其容量超出了传统工具在可接受的计算时间内捕获、管理和处理数据的能力。由于网络上可用信息的爆炸性增长，用户面临着压倒性选择的关键挑战，出现信息过载现象。因此，大数据技术的挑战在于探索和分析海量数据，以提取特定目标所需的相关信息[1-2]，为搜索服务和推荐系统提供更广泛、实时和精准的信息，尤其是面向用户和组织的个性化服务。

推荐系统已经成为解决上述问题的强大工具，该技术的目标是根据用户过去的喜好和兴趣为用户提供个性化建议[3-4]。目前，随着用户、项目和生成的其他信息数量的快速增长，海量的数据给推荐系统带来了诸多挑战[5]。这些挑战启发了许多研究者提出了几种方法来提高大数据背景下推荐系统的性能。Hsieh等[6]提出了一个基于关键词的推荐系统，利用从用户和项目文本数据中提取的关键词提高该系统使用Apache Hadoop处理大规模数据集的性能，缓解冷启动问题。Papadakis等[7]设计了一个基于综合坐标的推荐系统SCOR，通过使用vivaldi综合坐标算法将用户和项目放置在多维欧氏空间中，利用项目和用户之间的欧氏距离来预测未知偏好，从而提高预测精度。……