個性化推薦算法研究及“大數(shù)據(jù)”下的系統(tǒng)開發(fā).pdf

1、隨著電子商務等互聯(lián)網服務系統(tǒng)的不斷發(fā)展，越來越多的用戶數(shù)據(jù)、項目數(shù)據(jù)以及用戶與項目之間的交互數(shù)據(jù)積累在其中。這些海量多樣的數(shù)據(jù)使得用戶浪費大量的時間去選擇和過濾產品。此時個性化推薦系統(tǒng)就可以解決此類的數(shù)據(jù)膨脹問題，它可以利用這些基礎數(shù)據(jù)，通過使用數(shù)據(jù)挖掘和人工智能等技術，挖掘出用戶的興趣愛好和偏向，向用戶推薦與興趣相符的商品和服務，從而提高用戶體驗并給企業(yè)帶來更多的經濟效益。
　　 本文首先分析了基于內容和基于協(xié)同過濾的推薦算法

2、的優(yōu)缺點，并在此基礎上對傳統(tǒng)的基于混合推薦方法進行改進。首先利用用戶與項目之間的評分信息和特征信息來優(yōu)化項目間的相似度計算;然后在用戶和項目的全局關系下構建了一個用戶與項目的加權兩層圖模型，并使用隨機游走算法完成個性化的項目推薦和用戶推薦。該算法相比其他推薦方法，考慮了項目本身的特征信息，并在全局關系下更全面的計算用戶項目之間的相似性。實驗結果表明，它具有更高的準確度。
　　 個性化推薦系統(tǒng)研究本質由算法和系統(tǒng)兩部分組成。隨著越

3、來越多大型的電子商務系統(tǒng)企業(yè)被推薦系統(tǒng)所吸引，大數(shù)據(jù)和實時計算問題也日益成為推薦系統(tǒng)的研究重點。本文首先對推薦系統(tǒng)的兩個技術瓶頸問題:計算有效性和實時性進行了分析;然后借助軟件設計的思想，把系統(tǒng)分為Web前端、離線計算和實時計算等幾個模塊，并分別進行了分析;最后，通過引入Hadoop、Storm、RabbitMQ和Redis等多種最新的開源技術，設計了一個完整的個性化推薦系統(tǒng)的構建方案。在該方案中，我們針對大數(shù)據(jù)的離線計算和實時計算提出