基于位置編碼索引樹(shù)的個(gè)性化推薦算法

　　針對(duì)協(xié)同過(guò)濾算法在海量數(shù)據(jù)環(huán)境個(gè)性化推薦應(yīng)用中存在的低效率問(wèn)題，結(jié)合MapReduce框架特點(diǎn)，設(shè)計(jì)了一種應(yīng)用于個(gè)性化推薦的基于位置編碼的索引樹(shù)（ LB-Tree），創(chuàng)新性地將索引結(jié)構(gòu)應(yīng)用于個(gè)性化推薦。利用聚類資源的差異性存儲(chǔ)策略，提升MapReduce任務(wù)處理并行性；根據(jù)聚類數(shù)據(jù)分布特征，以質(zhì)心為圓心對(duì)聚類中的數(shù)據(jù)對(duì)象進(jìn)行同心圓分層，并對(duì)每層采用不同長(zhǎng)度的二進(jìn)制編碼來(lái)表達(dá)，將所有數(shù)據(jù)對(duì)象的編碼組織成索引樹(shù)結(jié)構(gòu)，縮短頻繁推薦的數(shù)據(jù)查找路徑，達(dá)到個(gè)性化推薦時(shí)利用索引結(jié)構(gòu)快速確定搜索空間的目的。與基于項(xiàng)目的Top-N推薦算法和基于最近鄰的推薦算法（ SBNM）相比，LB-Tree所需時(shí)間開(kāi)銷增長(zhǎng)最慢，準(zhǔn)確率最高，驗(yàn)證了方法的有效性和高效性。