基于大数据的微视频推荐算法研究

随着网络的迅速发展,以及移动网络资费的逐渐下调、移动流量日益充足,微视频在网络上传播的速度日益加快。越来越多的人,尤其是年轻人,更偏向于使用移动设备观看视频和分享视频。在大数据的环境下,给微视频的推荐算法提出了更多的挑战。传统的推荐算法,如基于内容的推荐算法、基于协同过滤的推荐算法、基于图的推荐算法等,在用于微视频推荐时,时间效率不高,推荐的准确率也不高。因此,本文提出了基于超链-图模式的个性化推荐算法,不仅能够提高推荐的命中率,而且能够适应大数据集上的视频推荐应用。此外,本文分析了传统大数据的Slope one算法,并对其进行改进,使之能够适应海量数据的微视频推荐。