基于位置编码索引树的个性化推荐算法

　　针对协同过滤算法在海量数据环境个性化推荐应用中存在的低效率问题，结合MapReduce框架特点，设计了一种应用于个性化推荐的基于位置编码的索引树（ LB-Tree），创新性地将索引结构应用于个性化推荐。利用聚类资源的差异性存储策略，提升MapReduce任务处理并行性；根据聚类数据分布特征，以质心为圆心对聚类中的数据对象进行同心圆分层，并对每层采用不同长度的二进制编码来表达，将所有数据对象的编码组织成索引树结构，缩短频繁推荐的数据查找路径，达到个性化推荐时利用索引结构快速确定搜索空间的目的。与基于项目的Top-N推荐算法和基于最近邻的推荐算法（ SBNM）相比，LB-Tree所需时间开销增长最慢，准确率最高，验证了方法的有效性和高效性。