基于Hadoop的網(wǎng)購(gòu)智能推薦系統(tǒng)的研究與設(shè)計(jì).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，推薦系統(tǒng)已成為解決信息超載問(wèn)題最重要的過(guò)濾工具，用以幫助用戶在海量的數(shù)據(jù)中快速高效地找到有價(jià)值的內(nèi)容。但在實(shí)際應(yīng)用中，由于產(chǎn)品種類(lèi)和用戶數(shù)目通常非常龐大，而傳統(tǒng)的推薦系統(tǒng)往往運(yùn)行于單機(jī)之上，受到單機(jī)的性能限制，已經(jīng)遠(yuǎn)遠(yuǎn)不能夠滿足海量數(shù)據(jù)推薦計(jì)算的需要。
　　為了解決傳統(tǒng)推薦系統(tǒng)無(wú)法快速處理大規(guī)模數(shù)據(jù)集的問(wèn)題，本文通過(guò)對(duì)Hadoop運(yùn)行機(jī)制和Map-Reduce編程原理的研究并結(jié)合協(xié)同過(guò)濾推薦算法，設(shè)計(jì)實(shí)現(xiàn)

2、了一個(gè)應(yīng)用于網(wǎng)絡(luò)購(gòu)物的推薦系統(tǒng)。論文的主要工作有：
　?。?）改進(jìn)了基于項(xiàng)目的并行協(xié)同過(guò)濾推薦算法，算法通過(guò)Map/Reduce編程模型設(shè)計(jì)高效的并行算法，將推薦中計(jì)算密集過(guò)程分散到各個(gè)Hadoop數(shù)據(jù)處理節(jié)點(diǎn)，利用并行計(jì)算的優(yōu)勢(shì)，提高推薦速度。實(shí)驗(yàn)結(jié)果表明算法比己有的并行算法運(yùn)行時(shí)間更少，實(shí)時(shí)性好。
　?。?）深入分析Mahout實(shí)現(xiàn)的基于項(xiàng)目的協(xié)同過(guò)濾算法，研究其存在的缺點(diǎn)并提出改進(jìn)的方法。通過(guò)Movie Lens數(shù)據(jù)集