Spark平台下教育资源个性化推荐研究

文勇军+吴冬冬+王键+唐立军

摘 要： 在面对海量教育数据处理情况时，传统的协同过滤算法在单机上训练和测试效率低下，针对该问题，提出了基于Hadoop分布式平台和Spark并行计算模型的无中间结果输出改进型教育资源推荐策略，该策略较好地发挥了Spark的迭代计算能力优势，在应用于教育资源推荐时，比较了传统算法与改进算法在分布式情况和非分布式情況下的推荐效率和推荐质量的情况。实验结果表明，利用Spark计算模型实现协同过滤算法能够有效地提高教育资源个性化推荐的推荐质量以及推荐效率。

关键词： 教育资源推荐；协同过滤；K-means聚类算法；推荐系统；Spark

中图分类号：TP391.1

文献标志码：A

文章编号：2095-2163（2017）02-0025-06