基于协同过滤算法的大数据中信息推荐系统设计

摘要

针对当前信息推荐系统在运行中自身存在受噪声信息影响程度大,同时用户对推荐结果评分较低的问题,引入协同过滤算法,开展对大数据中信息推荐系统的设计研究。将推荐系统中的offline模块、online模块和Datatables模块带入到用户浏览器层和推荐响应层中实现集成;预测推荐目标用户可能感兴趣的主题信息;引入协同过滤算法,计算用户与用户之间、主题信息与主题信息之间的相似度;实现大数据中信息的过滤与推荐结果生成。通过对比实验的方式证明,新的推荐系统在运行中不会受到噪声干扰,并且推荐目标用户对于推荐结果的评分更高,推荐精度得到明显提升。