基于Apache Mahout的推薦算法的研究與實(shí)現(xiàn).pdf

1、隨著Internet的迅猛發(fā)展，互聯(lián)網(wǎng)成為了人們生活中不可或缺的一部分。人們對互聯(lián)網(wǎng)的需求也不僅僅限于工作，他幾乎出現(xiàn)在人們生活中的每一個(gè)角落。出門吃飯，可以通過日新月異的搜索引擎，可以按照推薦率自高而低排列。要看電影，也可以在各門戶網(wǎng)站，電影網(wǎng)站，搜索到最新的評分及影評。但隨之而來的是接入互聯(lián)網(wǎng)的網(wǎng)頁數(shù)量不斷增長。傳統(tǒng)的搜索算法只能呈現(xiàn)給所有用戶同樣的結(jié)果，無法針對不同用戶提供相應(yīng)的信息，隨之產(chǎn)生了“信息過載”的問題。因此，個(gè)性化推薦

2、技術(shù)應(yīng)運(yùn)而生。
　　協(xié)同過濾推薦算法是當(dāng)前推薦系統(tǒng)中應(yīng)用最廣泛的推薦算法，但是隨著電子商務(wù)的規(guī)模不斷擴(kuò)大，協(xié)同過濾算法同樣遇到了一些挑戰(zhàn)，如冷啟動問題、數(shù)據(jù)稀疏性等問題。本文針對協(xié)同過濾算法進(jìn)行了深入的學(xué)習(xí)和研究，并闡述了相應(yīng)的組合算法和針對協(xié)同過濾算法的改進(jìn)算法，取得了理想的結(jié)果。
　　本文的研究工作主要如下：
　　1、針對推薦系統(tǒng)和推薦算法的現(xiàn)狀進(jìn)行了詳細(xì)了解，重點(diǎn)研究了協(xié)同過濾推薦算法以及Apache Mahou

3、t中關(guān)于推薦算法的相關(guān)知識；對當(dāng)前的主流推薦系統(tǒng)和推薦算法進(jìn)行了介紹，并對各種推薦算法的優(yōu)缺點(diǎn)進(jìn)行了說明。
　　2、對協(xié)同過濾推薦算法進(jìn)行了詳細(xì)的分析。該算法主要包括兩類:分別是基于用戶的協(xié)同過濾推薦算法（User-Based CF）和基于項(xiàng)目的協(xié)同過濾推薦算法（Item-Based CF），同時(shí)還重點(diǎn)研究和介紹了當(dāng)前應(yīng)用非常廣泛的Slope One推薦算法，針對這三種算法的算法原理及步驟進(jìn)行了詳細(xì)的解析。
　　3、組合推薦

4、算法的設(shè)計(jì)與實(shí)現(xiàn)。此處為本文的主要?jiǎng)?chuàng)新點(diǎn)，本文設(shè)計(jì)了一種全新的組合推薦算法，該算法主要是將基于項(xiàng)目的協(xié)同過濾推薦算法和基于用戶的協(xié)同過濾推薦算法進(jìn)行組合，充分利用用戶-項(xiàng)目評分?jǐn)?shù)據(jù)集所包含的用戶和項(xiàng)目的相關(guān)信息來進(jìn)行推薦。
　　4、應(yīng)用Apache Mahout開源框架，使用MovieLens數(shù)據(jù)集和MAE評估標(biāo)準(zhǔn)，對傳統(tǒng)的基于項(xiàng)目的協(xié)同過濾算法、基于用戶的協(xié)同過濾算法以及Slope One算法進(jìn)行了仿真實(shí)驗(yàn)，對計(jì)算相似度的三種方