

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、當前處在一個網絡信息大爆炸的時代,網絡信息超載已經成為一個急需解決的問題,推薦系統(tǒng)是一種解決信息超載的有效手段,通過推薦系統(tǒng)可以幫助用戶快速發(fā)掘出潛在有價值的內容。傳統(tǒng)的推薦模式是在單機上部署運行推薦系統(tǒng),但是由于目前網絡用戶數量和待推薦內容的數據量十分巨大,已經超出了傳統(tǒng)推薦系統(tǒng)的處理能力,因此有必要研究基于分布式平臺Hadoop的推薦系統(tǒng)。
通過采用基于Hadoop平臺的推薦系統(tǒng)能夠解決傳統(tǒng)推薦系統(tǒng)目前存在的問題,但同時基
2、于Hadoop推薦系統(tǒng)通常存在數據稀疏性、冷啟動、推薦結果缺乏新穎性等問題。本文分析了這些問題產生的原因,將設計高效可擴展的分層混合推薦模型作為研究的重點。結合分布式文件系統(tǒng)HDFS以及MapReduce編程模型,設計了基于 MapReduce編程模型分層混合推薦算法的分布式并行化實現,并在此基礎上實現了一個基于Hadoop平臺的推薦系統(tǒng)原型。本文的主要工作內容如下:
1.研究了基于內容推薦和協(xié)同過濾推薦(這兩種技術的)具體算
3、法流程,分析這兩種推薦技術的優(yōu)缺點,并對這兩種算法作了自適應的改進。針對協(xié)同過濾推薦產生數據稀疏性、冷啟動,以及基于內容推薦缺乏新穎性的問題,研究并設計了基于這兩種改進推薦算法的分層混合推薦系統(tǒng),來解決目前推薦系統(tǒng)存在的這些問題。
2.研究了Hadoop運行機制,分析分布式文件系統(tǒng)HDFS和MapReduce編程模型的具體作業(yè)流程。結合混合推薦算法來設計實現混合推薦算法的MapReduce分布式并行化方案,并且對混合推薦算法的
4、 MapReduce作業(yè)流程優(yōu)化處理。在此基礎上實現一個基于Hadoop的推薦系統(tǒng)原型,系統(tǒng)能夠通過一些基本的功能測試,并且能夠穩(wěn)定運行。
3.結合協(xié)同過濾推薦和基于內容推薦,提出了一種分層混合的推薦模型來提高推薦系統(tǒng)的推薦質量。并在此基礎上設計實現了推薦系統(tǒng)原型,原型系統(tǒng)設計階段重點設計了基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾算法的 MapReduce實現。
4.研究了Hadoop、mahout等開源軟件,結合ma
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 電影個性化推薦系統(tǒng)的研究與實現.pdf
- 基于Web日志的個性化推薦系統(tǒng)的設計與實現.pdf
- Web服務個性化查詢與推薦系統(tǒng)實現.pdf
- WEB文章個性化推薦系統(tǒng)設計與實現.pdf
- 基于web日志挖掘的個性化推薦系統(tǒng)模型研究與實現.pdf
- 基于Web日志挖掘的個性化推薦系統(tǒng)的研究和實現.pdf
- 基于投票機制的Web個性化推薦系統(tǒng).pdf
- 基于Web使用挖掘的個性化推薦系統(tǒng).pdf
- 基于WEB日志的個性化推薦系統(tǒng)研究.pdf
- 基于Web日志挖掘的個性化推薦原型系統(tǒng)研究與實現.pdf
- 基于web日志的個性化推薦系統(tǒng)研究
- 基于Web挖掘的個性化推薦系統(tǒng)的研究.pdf
- 基于Web使用挖掘的個性化推薦服務研究與實現.pdf
- 基于Web日志的個性化推薦系統(tǒng)的研究.pdf
- 基于Web日志挖掘的個性化推薦系統(tǒng)研究.pdf
- 基于代理結構的Web個性化推薦技術的研究與實現.pdf
- 基于Web數據挖掘的個性化推薦系統(tǒng)研究.pdf
- 基于Web日志挖掘的個性化推薦研究.pdf
- 基于市場模型的WEB個性化推薦研究.pdf
- 基于Spark的個性化推薦系統(tǒng)的研究與實現.pdf
評論
0/150
提交評論