lesson13-廈門大學(xué)-林子雨-大數(shù)據(jù)技術(shù)原理與應(yīng)用-第13講-教材第十一、十二、十三章-大數(shù)據(jù)

1、,廈門大學(xué)計(jì)算機(jī)科學(xué)系 2016年版,林子雨廈門大學(xué)計(jì)算機(jī)科學(xué)系E-mail: ziyulin@xmu.edu.cn主頁：http://www.cs.xmu.edu.cn/linziyu,,,,《大數(shù)據(jù)技術(shù)原理與應(yīng)用》,http://dblab.xmu.edu.cn/post/bigda

2、ta,第十三講 大數(shù)據(jù)在不同領(lǐng)域的應(yīng)用 （2016春季學(xué)期）,課堂內(nèi)容與教材對應(yīng)關(guān)系說明,廈門大學(xué)林子雨編著《大數(shù)據(jù)技術(shù)原理與應(yīng)用》2015年8月1日人民郵電出版社出版發(fā)行第1版教材共包含13章內(nèi)容,第一章 大數(shù)據(jù)概述第二章 大數(shù)據(jù)處理架構(gòu)Hadoop第三章 分布式文件系統(tǒng)HDFS第四章 分布式數(shù)據(jù)庫HBase第五章 NoSQL數(shù)據(jù)庫第六章 云數(shù)據(jù)庫第七章 MapReduce第八章 流計(jì)算第九章 圖計(jì)算第十章 數(shù)

3、據(jù)可視化（自學(xué)）第十一章 大數(shù)據(jù)在互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用第十二章 大數(shù)據(jù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用（自學(xué)）第十三章 大數(shù)據(jù)的其他應(yīng)用（自學(xué)）2016年新增章節(jié)（將加入到第2版教材中）第14章基于Hadoop的數(shù)據(jù)倉庫Hive第15章Hadoop架構(gòu)再探討第16章Spark,課堂內(nèi)容與教材對應(yīng)關(guān)系說明,,中國高校大數(shù)據(jù)課程公共服務(wù)平臺,http://dblab.xmu.edu.cn/post/bigdata-teaching-plat

4、form/,百度搜索“廈門大學(xué)數(shù)據(jù)庫實(shí)驗(yàn)室”訪問平臺主頁,課程教材講義PPT學(xué)習(xí)指南,免費(fèi)提供,備課指南上機(jī)習(xí)題,授課視頻技術(shù)資料,全方位、一站式服務(wù),提綱,大數(shù)據(jù)應(yīng)用概覽第11章 大數(shù)據(jù)在互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用11.1 推薦系統(tǒng)概述11.2 推薦算法 – 協(xié)同過濾11.3 協(xié)同過濾實(shí)踐 – 電影推薦系統(tǒng)第12章 大數(shù)據(jù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用12.1 基于大數(shù)據(jù)的綜合健康服務(wù)平臺第13章 大數(shù)據(jù)的其他應(yīng)用13.1

5、大數(shù)據(jù)在物流領(lǐng)域中的應(yīng)用,本PPT是如下教材的配套講義：21世紀(jì)高等教育計(jì)算機(jī)規(guī)劃教材《大數(shù)據(jù)技術(shù)原理與應(yīng)用——概念、存儲、處理、分析與應(yīng)用》 （2015年8月第1版）廈門大學(xué) 林子雨 編著，人民郵電出版社ISBN:978-7-115-39287-9,歡迎訪問《大數(shù)據(jù)技術(shù)原理與應(yīng)用》教材官方網(wǎng)站：http://dblab.xmu.edu.cn/post/bigdata歡迎訪問“中國高校大數(shù)據(jù)課程公共服務(wù)平臺”旗下子欄目“

6、大數(shù)據(jù)課程學(xué)生服務(wù)站”，為學(xué)生學(xué)習(xí)大數(shù)據(jù)課程提供全方位、一站式免費(fèi)服務(wù)：http://dblab.xmu.edu.cn/post/4331/,大數(shù)據(jù)應(yīng)用概覽,11.1推薦系統(tǒng)概述,11.1.1 什么是推薦系統(tǒng)11.1.2 長尾理論11.1.3 推薦方法11.1.4 推薦系統(tǒng)模型11.1.5 推薦系統(tǒng)的應(yīng)用,11.1.1 什么是推薦系統(tǒng),互聯(lián)網(wǎng)的飛速發(fā)展使我們進(jìn)入了信息過載的時代，搜索引擎可以幫助我們查找內(nèi)容，但只能

7、解決明確的需求為了讓用戶從海量信息中高效地獲得自己所需的信息，推薦系統(tǒng)應(yīng)運(yùn)而生。推薦系統(tǒng)是大數(shù)據(jù)在互聯(lián)網(wǎng)領(lǐng)域的典型應(yīng)用，它可以通過分析用戶的歷史記錄來了解用戶的喜好，從而主動為用戶推薦其感興趣的信息，滿足用戶的個性化推薦需求推薦系統(tǒng)是自動聯(lián)系用戶和物品的一種工具，和搜索引擎相比，推薦系統(tǒng)通過研究用戶的興趣偏好，進(jìn)行個性化計(jì)算。推薦系統(tǒng)可發(fā)現(xiàn)用戶的興趣點(diǎn)，幫助用戶從海量信息中去發(fā)掘自己潛在的需求,推薦系統(tǒng)可以創(chuàng)造全新的商業(yè)和經(jīng)濟(jì)模式，

8、幫助實(shí)現(xiàn)長尾商品的銷售“長尾”概念于2004年提出，用來描述以亞馬遜為代表的電子商務(wù)網(wǎng)站的商業(yè)和經(jīng)濟(jì)模式電子商務(wù)網(wǎng)站銷售種類繁多，雖然絕大多數(shù)商品都不熱門，但這些不熱門的商品總數(shù)量極其龐大，所累計(jì)的總銷售額將是一個可觀的數(shù)字，也許會超過熱門商品所帶來的銷售額因此，可以通過發(fā)掘長尾商品并推薦給感興趣的用戶來提高銷售額。這需要通過個性化推薦來實(shí)現(xiàn),11.1.2 長尾理論,熱門推薦是常用的推薦方式，廣泛應(yīng)用于各類網(wǎng)站中，如熱門排行榜。但

9、熱門推薦的主要缺陷在于推薦的范圍有限，所推薦的內(nèi)容在一定時期內(nèi)也相對固定。無法實(shí)現(xiàn)長尾商品的推薦個性化推薦可通過推薦系統(tǒng)來實(shí)現(xiàn)。推薦系統(tǒng)通過發(fā)掘用戶的行為記錄，找到用戶的個性化需求，發(fā)現(xiàn)用戶潛在的消費(fèi)傾向，從而將長尾商品準(zhǔn)確地推薦給需要它的用戶，進(jìn)而提升銷量，實(shí)現(xiàn)用戶與商家的雙贏,11.1.2 長尾理論,推薦系統(tǒng)的本質(zhì)是建立用戶與物品的聯(lián)系，根據(jù)推薦算法的不同，推薦方法包括如下幾類：專家推薦基于統(tǒng)計(jì)的推薦基于內(nèi)容的推薦協(xié)同過濾

10、推薦混合推薦,11.1.3 推薦方法,一個完整的推薦系統(tǒng)通常包括3個組成模塊：用戶建模模塊、推薦對象建模模塊、推薦算法模塊：用戶建模模塊：對用戶進(jìn)行建模，根據(jù)用戶行為數(shù)據(jù)和用戶屬性數(shù)據(jù)來分析用戶的興趣和需求推薦對象建模模塊：根據(jù)對象數(shù)據(jù)對推薦對象進(jìn)行建模推薦算法模塊：基于用戶特征和物品特征，采用推薦算法計(jì)算得到用戶可能感興趣的對象，并根據(jù)推薦場景對推薦結(jié)果進(jìn)行一定調(diào)整，將推薦結(jié)果最終展示給用戶,11.1.4 推薦系統(tǒng)模型,圖11

11、-1 推薦系統(tǒng)基本架構(gòu),目前推薦系統(tǒng)已廣泛應(yīng)用于電子商務(wù)、在線視頻、在線音樂、社交網(wǎng)絡(luò)等各類網(wǎng)站和應(yīng)用中如亞馬遜網(wǎng)站利用用戶的瀏覽歷史記錄來為用戶推薦商品，推薦的主要是用戶未瀏覽過，但可能感興趣、有潛在購買可能性的商品,11.1.5 推薦系統(tǒng)的應(yīng)用,圖11-2 亞馬遜網(wǎng)站根據(jù)用戶的瀏覽記錄來推薦商品,推薦系統(tǒng)在在線音樂應(yīng)用中也逐漸發(fā)揮作用。音樂相比于電影數(shù)量更為龐大，個人口味偏向也更為明顯，僅依靠熱門推薦是遠(yuǎn)遠(yuǎn)不夠的蝦米音樂網(wǎng)根據(jù)用

12、戶的音樂收藏記錄來分析用戶的音樂偏好，以進(jìn)行推薦。例如，推薦同一風(fēng)格的歌曲，或是推薦同一歌手的其他歌曲,11.1.5 推薦系統(tǒng)的應(yīng)用,圖11-3 蝦米音樂網(wǎng)根據(jù)用戶的音樂收藏來推薦歌曲,推薦技術(shù)從被提出到現(xiàn)在已有十余年，在多年的發(fā)展歷程中誕生了很多新的推薦算法。協(xié)同過濾作為最早、最知名的推薦算法，不僅在學(xué)術(shù)界得到了深入研究，而且至今在業(yè)界仍有廣泛的應(yīng)用協(xié)同過濾可分為基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾11.2.1 基于用戶的協(xié)

13、同過濾（UserCF）11.2.2 基于物品的協(xié)同過濾（ItemCF）11.2.3 UserCF算法和ItemCF算法的對比,11.2 協(xié)同過濾,基于用戶的協(xié)同過濾算法（簡稱UserCF算法）在1992年被提出，是推薦系統(tǒng)中最古老的算法UserCF算法的實(shí)現(xiàn)主要包括兩個步驟：第一步：找到和目標(biāo)用戶興趣相似的用戶集合第二步：找到該集合中的用戶所喜歡的、且目標(biāo)用戶沒有聽說過的物品推薦給目標(biāo)用戶,11.2.1 基于用戶的協(xié)同過濾

14、（UserCF）,11.2.1 基于用戶的協(xié)同過濾（UserCF）,圖11-4 基于用戶的協(xié)同過濾（User CF）,實(shí)現(xiàn)UserCF算法的關(guān)鍵步驟是計(jì)算用戶與用戶之間的興趣相似度。目前較多使用的相似度算法有：泊松相關(guān)系數(shù)（Person Correlation Coefficient）余弦相似度（Cosine-based Similarity）調(diào)整余弦相似度（Adjusted Cosine Similarity）給定用戶u和用

15、戶v，令N(u)表示用戶u感興趣的物品集合，令N(v)為用戶v感興趣的物品集合，則使用余弦相似度進(jìn)行計(jì)算用戶相似度的公式為：,11.2.1 基于用戶的協(xié)同過濾（UserCF）,由于很多用戶相互之間并沒有對同樣的物品產(chǎn)生過行為，因此其相似度公式的分子為0，相似度也為0我們可以利用物品到用戶的倒排表（每個物品所對應(yīng)的、對該物品感興趣的用戶列表），僅對有對相同物品產(chǎn)生交互行為的用戶進(jìn)行計(jì)算,11.2.1 基于用戶的協(xié)同過濾（UserCF）,

16、圖11-5 物品到用戶倒排表及用戶相似度矩陣,用戶,物品,物品,用戶,用戶,用戶,得到用戶間的相似度后，再使用如下公式來度量用戶u對物品i的興趣程度Pui：其中，S(u, K)是和用戶u興趣最接近的K個用戶的集合，N(i)是喜歡物品i的用戶集合，Wuv是用戶u和用戶v的相似度，rvi是隱反饋信息，代表用戶v對物品i的感興趣程度，為簡化計(jì)算可令rvi=1對所有物品計(jì)算Pui后，可以對Pui進(jìn)行降序處理，取前N個物品作為推薦結(jié)果

17、展示給用戶u（稱為Top-N推薦）,11.2.1 基于用戶的協(xié)同過濾（UserCF）,基于物品的協(xié)同過濾算法（簡稱ItemCF算法）是目前業(yè)界應(yīng)用最多的算法。無論是亞馬遜還是Netflix，其推薦系統(tǒng)的基礎(chǔ)都是ItemCF算法ItemCF算法是給目標(biāo)用戶推薦那些和他們之前喜歡的物品相似的物品。ItemCF算法主要通過分析用戶的行為記錄來計(jì)算物品之間的相似度該算法基于的假設(shè)是：物品A和物品B具有很大的相似度是因?yàn)橄矚g物品A的用戶大多也

18、喜歡物品B。,11.2.2 基于物品的協(xié)同過濾（ItemCF）,11.2.2 基于物品的協(xié)同過濾（ItemCF）,圖11-6 基于物品的協(xié)同過濾（Item CF）,ItemCF算法與UserCF算法類似，計(jì)算也分為兩步：第一步：計(jì)算物品之間的相似度第二步：根據(jù)物品的相似度和用戶的歷史行為，給用戶生成推薦列表,11.2.2 基于物品的協(xié)同過濾（ItemCF）,ItemCF算法通過建立用戶到物品倒排表（每個用戶喜歡的物品的列表）來計(jì)算物

19、品相似度,11.2.2 基于物品的協(xié)同過濾（ItemCF）,,圖11-7用戶到物品倒排表及物品相似度矩陣,用戶,物品,物品,物品,ItemCF計(jì)算的是物品相似度，再使用如下公式來度量用戶u對物品j的興趣程度Puj(與UserCF類似)：,11.2.2 基于物品的協(xié)同過濾（ItemCF）,其中，S(j, K)是和物品j最相似的K個物品的集合，N(u)是用戶u喜歡的物品的集合，wji物品i和物品j的相似度，rui是隱反饋信息，代表用戶u對物

20、品i的感興趣程度，為簡化計(jì)算可令rvi=1,UserCF算法和ItemCF算法的思想、計(jì)算過程都相似兩者最主要的區(qū)別：UserCF算法推薦的是那些和目標(biāo)用戶有共同興趣愛好的其他用戶所喜歡的物品ItemCF算法推薦的是那些和目標(biāo)用戶之前喜歡的物品類似的其他物品UserCF算法的推薦更偏向社會化，而ItemCF算法的推薦更偏向于個性化,11.2.3 UserCF算法和ItemCF算法的對比,圖11-4 基于用戶的協(xié)同過濾（User

21、CF）,圖11-6 基于物品的協(xié)同過濾（Item CF）,UserCF算法的推薦更偏向社會化：適合應(yīng)用于新聞推薦、微博話題推薦等應(yīng)用場景，其推薦結(jié)果在新穎性方面有一定的優(yōu)勢UserCF缺點(diǎn)：隨著用戶數(shù)目的增大，用戶相似度計(jì)算復(fù)雜度越來越高。而且UserCF推薦結(jié)果相關(guān)性較弱，難以對推薦結(jié)果作出解釋，容易受大眾影響而推薦熱門物品ItemCF算法的推薦更偏向于個性化：適合應(yīng)用于電子商務(wù)、電影、圖書等應(yīng)用場景，可以利用用戶的歷史行為給推

22、薦結(jié)果作出解釋，讓用戶更為信服推薦的效果ItemCF缺點(diǎn)：傾向于推薦與用戶已購買商品相似的商品，往往會出現(xiàn)多樣性不足、推薦新穎度較低的問題,11.2.3 UserCF算法和ItemCF算法的對比,12.1基于大數(shù)據(jù)的綜合健康服務(wù)平臺,安全隱私,數(shù)據(jù)標(biāo)準(zhǔn),目標(biāo)：構(gòu)建覆蓋全生命周期、內(nèi)涵豐富、結(jié)構(gòu)合理的以人為本全面連續(xù)的綜合健康服務(wù)體系，利用大數(shù)據(jù)技術(shù)和智能設(shè)備技術(shù)，提供線上線下相結(jié)合的公眾健康服務(wù)，實(shí)現(xiàn)“未病先防、已病早治、既病防變、愈

23、后防復(fù)”，滿足社會公眾多層次、多方位的健康服務(wù)需求，提升人民群眾的身心健康水平。,13.1 大數(shù)據(jù)在物流領(lǐng)域的應(yīng)用,菜鳥網(wǎng)絡(luò)到底是什么?中國智能物流骨干網(wǎng)，又名“菜鳥”菜鳥網(wǎng)絡(luò)計(jì)劃在5到8年內(nèi)，打造一個全國性的超級物流網(wǎng)。這個網(wǎng)絡(luò)能在24小時內(nèi)將貨物運(yùn)抵國內(nèi)任何地區(qū)，能支撐日均300億元(年度約10萬億元)的巨量網(wǎng)絡(luò)零售額。,1000億元投資物流基礎(chǔ)設(shè)施 強(qiáng)強(qiáng)聯(lián)手共建智能骨干網(wǎng)絡(luò)物流信息系統(tǒng)向所有的制造商、網(wǎng)商、快遞公司、

24、第三方物流公司完全開放,智能物流集成商案例：阿里巴巴的中國智能物流骨干網(wǎng)（地網(wǎng)）,本章小結(jié),本章內(nèi)容首先介紹了推薦系統(tǒng)的概念，推薦系統(tǒng)可幫助用戶從海量信息中高效地獲得自己所需的信息接著介紹了不同的推薦方法以及推薦系統(tǒng)在電子商務(wù)、在線音樂等網(wǎng)站中的具體應(yīng)用本章重點(diǎn)介紹了協(xié)同過濾算法，協(xié)同過濾算法是最早推出的推薦算法，至今仍獲得廣泛的應(yīng)用，協(xié)同過濾包括基于用戶的協(xié)同過濾算法（UserCF）和基于物品的協(xié)同過濾算法（ItemCF）。這兩

25、種協(xié)同過濾算法思想相近，核心是計(jì)算用戶、物品的相似度，依據(jù)相似度來做出推薦。然而，這兩種協(xié)同過濾算法各自適合的應(yīng)用場景不同，UserCF適合社交化應(yīng)用，可作出新穎的推薦，而ItemCF則適合用于電子商務(wù)、電影等應(yīng)用。在具體實(shí)踐中，常常結(jié)合多種推薦算法來提升推薦效果最后介紹了大數(shù)據(jù)在醫(yī)療健康領(lǐng)域的應(yīng)用和大數(shù)據(jù)在物流領(lǐng)域的應(yīng)用,附錄：主講教師,,單位：廈門大學(xué)計(jì)算機(jī)科學(xué)系E-mail: ziyulin@xmu.edu.cn個人網(wǎng)頁：h

26、ttp://www.cs.xmu.edu.cn/linziyu數(shù)據(jù)庫實(shí)驗(yàn)室網(wǎng)站：http://dblab.xmu.edu.cn,主講教師：林子雨,掃一掃訪問個人主頁,林子雨，男，1978年出生，博士（畢業(yè)于北京大學(xué)），現(xiàn)為廈門大學(xué)計(jì)算機(jī)科學(xué)系助理教授（講師），曾任廈門大學(xué)信息科學(xué)與技術(shù)學(xué)院院長助理、晉江市發(fā)展和改革局副局長。中國高校首個“數(shù)字教師”提出者和建設(shè)者，廈門大學(xué)數(shù)據(jù)庫實(shí)驗(yàn)室負(fù)責(zé)人，廈門大學(xué)云計(jì)算與大數(shù)據(jù)研究中心主要建設(shè)者和骨

27、干成員，2013年度廈門大學(xué)獎教金獲得者。主要研究方向?yàn)閿?shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、大數(shù)據(jù)、云計(jì)算和物聯(lián)網(wǎng)，并以第一作者身份在《軟件學(xué)報》《計(jì)算機(jī)學(xué)報》和《計(jì)算機(jī)研究與發(fā)展》等國家重點(diǎn)期刊以及國際學(xué)術(shù)會議上發(fā)表多篇學(xué)術(shù)論文。作為項(xiàng)目負(fù)責(zé)人主持的科研項(xiàng)目包括1項(xiàng)國家自然科學(xué)青年基金項(xiàng)目(No.61303004)、1項(xiàng)福建省自然科學(xué)青年基金項(xiàng)目(No.2013J05099)和1項(xiàng)中央高?；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(No.2011121049)，同時

28、，作為課題負(fù)責(zé)人完成了國家發(fā)改委城市信息化重大課題、國家物聯(lián)網(wǎng)重大應(yīng)用示范工程區(qū)域試點(diǎn)泉州市工作方案、2015泉州市互聯(lián)網(wǎng)經(jīng)濟(jì)調(diào)研等課題。編著出版中國高校第一本系統(tǒng)介紹大數(shù)據(jù)知識的專業(yè)教材《大數(shù)據(jù)技術(shù)原理與應(yīng)用》并成為暢銷書籍，編著并免費(fèi)網(wǎng)絡(luò)發(fā)布40余萬字中國高校第一本閃存數(shù)據(jù)庫研究專著《閃存數(shù)據(jù)庫概念與技術(shù)》；主講廈門大學(xué)計(jì)算機(jī)系本科生課程《數(shù)據(jù)庫系統(tǒng)原理》和研究生課程《分布式數(shù)據(jù)庫》《大數(shù)據(jù)技術(shù)基礎(chǔ)》。具有豐富的政府和企業(yè)信息化培訓(xùn)

29、經(jīng)驗(yàn)，曾先后給中國移動通信集團(tuán)公司、福州馬尾區(qū)政府、福建省物聯(lián)網(wǎng)科學(xué)研究院、石獅市物流協(xié)會、廈門市物流協(xié)會、福建龍巖卷煙廠等多家單位和企業(yè)開展信息化培訓(xùn)，累計(jì)培訓(xùn)人數(shù)達(dá)2000人以上。,附錄：大數(shù)據(jù)學(xué)習(xí)教材推薦,歡迎訪問《大數(shù)據(jù)技術(shù)原理與應(yīng)用——概念、存儲、處理、分析與應(yīng)用》教材官方網(wǎng)站：http://dblab.xmu.edu.cn/post/bigdata,掃一掃訪問教材官網(wǎng),《大數(shù)據(jù)技術(shù)原理與應(yīng)用——概念、存儲、處理、分析與應(yīng)用》

30、，由廈門大學(xué)計(jì)算機(jī)科學(xué)系林子雨博士編著，是中國高校第一本系統(tǒng)介紹大數(shù)據(jù)知識的專業(yè)教材。全書共有13章，系統(tǒng)地論述了大數(shù)據(jù)的基本概念、大數(shù)據(jù)處理架構(gòu)Hadoop、分布式文件系統(tǒng)HDFS、分布式數(shù)據(jù) 庫HBase、NoSQL數(shù)據(jù)庫、云數(shù)據(jù)庫、分布式并行編程模型MapReduce、流計(jì)算、圖計(jì)算、數(shù)據(jù)可視化以及大數(shù)據(jù)在互聯(lián)網(wǎng)、生物醫(yī)學(xué)和物流等各個領(lǐng)域的應(yīng)用。在Hadoop、HDFS、HBase和MapReduce等重要章節(jié)，安排了入門級的

31、實(shí)踐操作，讓讀者更好地學(xué)習(xí)和掌握大數(shù)據(jù)關(guān)鍵技術(shù)。本書可以作為高等院校計(jì)算機(jī)專業(yè)、信息管理等相關(guān)專業(yè)的大數(shù)據(jù)課程教材，也可供相關(guān)技術(shù)人員參考、學(xué)習(xí)、培訓(xùn)之用。,附錄：中國高校大數(shù)據(jù)課程公共服務(wù)平臺,掃一掃訪問平臺主頁,http://dblab.xmu.edu.cn/post/bigdata-teaching-platform/,掃一掃觀看3分鐘FLASH動畫宣傳片,,Department of Computer Science, X