论文部分内容阅读
推荐算法作为推荐引擎实现的核心而得到广泛研究。在各类推荐算法中,大部分对于用户行为特征属性、用户人口属性、物品特征属性,以及用户—物品关联特征属性等参数的应用方式存在局限性。它们一般采用相似度计算、或模型计算等方法,其特征提取及参数的调优依赖于事前定义,存在参数优化效率低的问题。本文结合机器学习技术,提出一种混合推荐算法,即(MMLHC算法),以多层神经网络作为参数优化计算的模型,应用Mahout库实现算法,实验结果显示算法能有效去除原始输入数据的噪声、奇异点,在模型的各层之间优化权重参数与偏差,输