非均匀个性化网络资源的深度并行推荐仿真

在网络资源深度推荐时,若不能及时对网络资源数据内部不完整数据展开有效清洗,会直接影响网络资源的推荐效果。因此,提出非均匀个性化网络资源深度并行推荐算法。通过获取网络资源数据,使用野值识别方法有效去除数据中的不完整数据;并对网络资源数据实施标准化处理,确定完整的网络资源数据集合;根据确定的网络资源数据计算用户直接相似度,建立用户网络图;通过对其游走确定用户间接相似度,重构用户相似度矩阵,确定推荐列表,完成算法设计。使用Spark并行计算平台辅助设计的推荐算法,确定算法实现流程,完成非均匀个性化网络资源深度并行推荐。实验结果表明,所提方法开展网络资源并行推荐时,平均绝对误差和均方根误差小,表明其推荐效果好。