金先好

(六安职业技术学院信息与电子工程学院，安徽 六安 237158)

0 引 言

大数据时代信息推荐是进行海量信息整合、获取有价值信息的直接方式。其中，协同过滤算法是目前应用频率较高的推荐方法。结合当前普遍应用的云计算环境提出一种基于遗传优化的协同过滤算法，算法实践思路如下：首要步骤是求取用户和项目之间的历史评分矩阵；在此基础上，基于皮尔逊相关系数计算相似度获取用户和物品间的最近邻居集；利用遗传算法优化卷积神经网络对无评分项目分数进行预测，根据评分对用户进行相关内容推荐。

1 基于遗传优化的云计算协同过滤算法

云计算环境下协同过滤算法以海量数据为处理对象，为了有效扩展大数据协同过滤推荐的性能，以云计算平台的MapReduce分布式框架作为计算模型，高效率实现遗传优化协同过滤算法并行化计算。

1.1 基于相似度计算的最近邻居集构建

皮尔逊相关系数相似度计算法本质是对线性关系系数进行表征[1]，以用户对公共项目平分均值视角进行计算，相关性与系数值成正比。定义H表示评分矩阵，不同项目评分的用户集合用D表示，d∈Dα∩Dβ，公式(1)为皮尔逊相关系数相似度计算公式，主要阐述了两个项目相似性,如公式(1)：

(1)

基于上述公式原理，定义用户b与用户d在矩阵中的评分项目集合为Ib,Id，α∈Ib∩Id。可得两个用户之间相似性如公式(2)：

(2)

1.2 基于遗传算法的无评分项目分数预测

一般的基于用户协同过滤算法仅能以评分用户相似度为依据进行内容推荐，但是新用户或者某些用户没有对特定项目评分，所以构建卷积神经网络预测没有评分的项目，解决评分不足问题[2]。……