文勇軍+吳冬冬+王鍵+唐立軍

摘 要： 在面對海量教育數(shù)據(jù)處理情況時，傳統(tǒng)的協(xié)同過濾算法在單機上訓(xùn)練和測試效率低下，針對該問題，提出了基于Hadoop分布式平臺和Spark并行計算模型的無中間結(jié)果輸出改進型教育資源推薦策略，該策略較好地發(fā)揮了Spark的迭代計算能力優(yōu)勢，在應(yīng)用于教育資源推薦時，比較了傳統(tǒng)算法與改進算法在分布式情況和非分布式情況下的推薦效率和推薦質(zhì)量的情況。實驗結(jié)果表明，利用Spark計算模型實現(xiàn)協(xié)同過濾算法能夠有效地提高教育資源個性化推薦的推薦質(zhì)量以及推薦效率。

關(guān)鍵詞： 教育資源推薦；協(xié)同過濾；K-means聚類算法；推薦系統(tǒng)；Spark

中圖分類號：TP391.1

文獻標志碼：A

文章編號：2095-2163（2017）02-0025-06