基于RHadoop云平臺的推薦系統(tǒng)的研究與設計.pdf

1、近年來，互聯(lián)網(wǎng)技術(shù)及其規(guī)模的發(fā)展突飛猛進，由此產(chǎn)生的海量數(shù)據(jù)使人們不得不面對“信息過載”的問題，而推薦系統(tǒng)的出現(xiàn)提供了很好的解決方案，通過推薦系統(tǒng)不僅可以使用戶能夠找到滿足自身個性化需求的信息，而且這些信息也可以及時、準確地推送給出現(xiàn)這些用戶。然而，大數(shù)據(jù)時代的隨之而來，使得傳統(tǒng)的推薦系統(tǒng)在面對大數(shù)據(jù)的存儲和處理以及日益增長的用戶個性化服務需求的時候顯得有些捉襟見肘。
　　本文針對推薦系統(tǒng)對大數(shù)據(jù)存儲和處理的問題，結(jié)合目前使用廣泛

2、的Hadoop分布式云計算技術(shù)和致力于數(shù)據(jù)挖掘分析的R語言，可以將現(xiàn)有的推薦系統(tǒng)進行分布式并行化。通過對Apache Hadoop生態(tài)系統(tǒng)以及R語言深入的研究，根據(jù)Hadoop生態(tài)系統(tǒng)中的HDFS為海量數(shù)據(jù)提供動態(tài)存儲空間的特點和MapReduce模型提供分布式并行計算的特點，以及R語言提供的數(shù)據(jù)挖掘分析的特點建立Hadoop與R語言結(jié)合的RHadoop云計算平臺。在此基礎(chǔ)上研究與設計了基于RHadoop云平臺的推薦系統(tǒng)，將推薦系統(tǒng)在R

3、Hadoop云計算平臺上進行實現(xiàn)，不僅提高了推薦系統(tǒng)中大規(guī)模數(shù)據(jù)的存儲和處理能力，而且也可以滿足用戶越來越個性化的服務需求，充分體現(xiàn)了云計算與推薦系統(tǒng)結(jié)合的優(yōu)勢，從而為解決現(xiàn)有推薦系統(tǒng)中的不足提出了研究方案。這篇文章主要是對基于RHadoop云計算平臺的推薦系統(tǒng)進行設計與研究，所做的主要工作內(nèi)容如下：首先，通過對Hadoop和其包含的子項目以及R語言的功能特點進行深入的研究，在此基礎(chǔ)上根據(jù)兩者的特點，將Hadoop與R語言進行結(jié)合，構(gòu)建

4、RHadoop云計算平臺；其次，在對MapReduce分布式并行化編程原理和推薦系統(tǒng)研究的基礎(chǔ)上，不僅將典型的協(xié)同過濾推薦算法在RHadoop平臺上進行設計與實現(xiàn)，而且通過對強化學習以及強化學習算法的研究，將強化學習算法在RHadoop云平臺進行了研究與設計，從而提高推薦系統(tǒng)的性能；最后，通過對推薦系統(tǒng)進行需求分析以及基本結(jié)構(gòu)和各個組成模塊的研究與設計，并結(jié)合RHadoop云平臺的特點，將推薦系統(tǒng)在RHadoop云計算平臺上進行研究部署