大數(shù)據(jù)下的個(gè)性化推薦研究與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展使得大量的信息爆炸式的呈現(xiàn)在大眾面前。信息爆炸會(huì)降低信息的使用率，也就是所謂的“信息超載”。個(gè)性化推薦，包括個(gè)性化搜索是當(dāng)前研究的熱門(mén)領(lǐng)域，它可以很好的提升用戶(hù)體驗(yàn)，從而提升企業(yè)營(yíng)銷(xiāo)。通過(guò)相關(guān)的機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘技術(shù)，推薦系統(tǒng)挖掘用戶(hù)的購(gòu)買(mǎi)傾向，將用戶(hù)可能感興趣的商品推薦給用戶(hù)。
　　個(gè)性化推薦系統(tǒng)通過(guò)對(duì)用戶(hù)信息或者商品信息建模，利用相關(guān)的數(shù)據(jù)挖掘算法計(jì)算出用戶(hù)可能感興趣的商品，并融入其他算法進(jìn)行篩選、優(yōu)化，來(lái)

2、進(jìn)行個(gè)性化推薦。一個(gè)良好的推薦系統(tǒng)可以挖掘出用戶(hù)潛在的消費(fèi)偏好，為不同的用戶(hù)提供針對(duì)性的服務(wù)。
　　在本論文中，針對(duì)海量大數(shù)據(jù)這一需求背景，提出了基于協(xié)同過(guò)濾以及基于內(nèi)容的組合推薦算法搭建的個(gè)性化推薦引擎模型，并嘗試性的融入了基于文本相似度的熱點(diǎn)推薦。該模型是針對(duì)大數(shù)據(jù)推薦所面臨的問(wèn)題而提出的，它包括離線數(shù)據(jù)計(jì)算與在線推薦兩個(gè)主要模塊。離線數(shù)據(jù)計(jì)算模塊被用于離線計(jì)算用戶(hù)初始的偏好商品列表，在線推薦模塊被用于實(shí)時(shí)分析用戶(hù)的行為，進(jìn)而

3、優(yōu)化篩選離線計(jì)算的推薦結(jié)果，最終將最優(yōu)的結(jié)果推薦給用戶(hù)。兩者結(jié)合可以提供完整，動(dòng)態(tài)的推薦服務(wù)。接著深入分析了傳統(tǒng)協(xié)同過(guò)濾算法的弊端，提出了一種組合推薦的方案進(jìn)行改進(jìn)，最后通過(guò)國(guó)內(nèi)某電商的真實(shí)數(shù)據(jù)集以及 MovieLens數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，論證改進(jìn)的合理性。
　　在上述改進(jìn)算法的基礎(chǔ)上，本文實(shí)現(xiàn)了一種適用于大數(shù)據(jù)環(huán)境的推薦引擎平臺(tái)架構(gòu)模型。具體搭建過(guò)程采用了現(xiàn)在最流行的分布式大數(shù)據(jù)框架Hadoop，以及機(jī)器學(xué)習(xí)框架Mahout，并