10.3969/j.issn.1674-2605.2018.01.006
基于GraphX的社交网络用户推荐算法研究
针对PageRank等传统算法在分析大规模分布式集群数据过程中存在耗时长、推荐不精准等问题,提出一种基于GraphX的社交网络用户推荐算法,以期提升用户体验.综合搜索引擎中的相互超链接计算技术,采用PageRank算法和GraphX组件中的TriangleCounting算法等建立评估模型,并利用该模型用户间的活跃度和网络关联度等关键参数来获取用户好友推荐表.通过Sougou数据对模型进行验证,并与单一的PageRank算法模型进行对比分析,结果表明:算法评估模型运行速度和推荐率有显著提升,推荐用户好友更接近真实情况.
社交网络、分布式集群、Spark平台、GraphX组件、PageRank算法
39
广东省科技计划项目2017B090901041
2018-06-06（万方平台首次上网日期，不代表论文的发表时间）
共5页
27-31
