基于位置編碼索引樹的個性化推薦算法

　　針對協(xié)同過濾算法在海量數(shù)據(jù)環(huán)境個性化推薦應用中存在的低效率問題，結(jié)合MapReduce框架特點，設計了一種應用于個性化推薦的基于位置編碼的索引樹（ LB-Tree），創(chuàng)新性地將索引結(jié)構(gòu)應用于個性化推薦。利用聚類資源的差異性存儲策略，提升MapReduce任務處理并行性；根據(jù)聚類數(shù)據(jù)分布特征，以質(zhì)心為圓心對聚類中的數(shù)據(jù)對象進行同心圓分層，并對每層采用不同長度的二進制編碼來表達，將所有數(shù)據(jù)對象的編碼組織成索引樹結(jié)構(gòu)，縮短頻繁推薦的數(shù)據(jù)查找路徑，達到個性化推薦時利用索引結(jié)構(gòu)快速確定搜索空間的目的。與基于項目的Top-N推薦算法和基于最近鄰的推薦算法（ SBNM）相比，LB-Tree所需時間開銷增長最慢，準確率最高，驗證了方法的有效性和高效性。