基于分布式平臺的個性化推薦系統(tǒng)研究.pdf

1、近年來，發(fā)展勢頭迅猛的互聯(lián)網(wǎng)行業(yè)，極大的促進了社會發(fā)展并改善了人們的生活方式。Web的廣泛使用和普及，也使得基于Web平臺的網(wǎng)絡(luò)商務(wù)交易應(yīng)用模式變得愈發(fā)流行。網(wǎng)絡(luò)商務(wù)的推廣應(yīng)用中最典型的一個問題就是“信息過載”，互聯(lián)網(wǎng)信息的種類繁多，物品數(shù)量龐大，推薦技術(shù)是在大量看似散亂無關(guān)的數(shù)據(jù)中分析并提取出用戶可能會關(guān)注的信息的一種策略，因此如何給予參與者更好、更快速的推薦服務(wù)體驗顯得尤為重要。然而，網(wǎng)絡(luò)商務(wù)交易系統(tǒng)規(guī)模的快速增長使得推薦系統(tǒng)的實施

2、也受到了來自許多方面的挑戰(zhàn)，其中影響其發(fā)展的幾個主要問題有：特征提取問題、“冷啟動”問題、數(shù)據(jù)稀疏性問題、算法可擴展性問題等等，本文將致力于解決上述幾個推薦難題。
　　在當(dāng)今的社會背景下，局限于單機性能的推薦系統(tǒng)在面對海量規(guī)模的數(shù)據(jù)的分析和處理業(yè)務(wù)面前顯得力不從心，所以迫切的需要結(jié)合云平臺處理海量規(guī)模數(shù)據(jù)的并行計算特性，將傳統(tǒng)的推薦系統(tǒng)的解決方案改進成適合分布式平臺處理的方案才是推薦領(lǐng)域未來的研究發(fā)展的態(tài)勢。
　　文章重點研

3、究和分析了三類常見的推薦技術(shù)的核心原理和方法，對比分析了協(xié)同過濾推薦模型、ContentBased模型和SlopeOne推薦模型的特性，針對不同的推薦技術(shù)中存在的不足之處，提出相應(yīng)的改進方法。另外從用戶特性和物品特性的角度出發(fā)，嘗試使用組合模型來融合不同推薦技術(shù)的優(yōu)點以求最大程度的優(yōu)化推薦模型。為了能夠高效地處理具有大規(guī)模數(shù)據(jù)量的推薦應(yīng)用，本文結(jié)合Hadoop平臺高效的并行計算能力將幾種改進的推薦技術(shù)實現(xiàn)為分布式推薦算法，并通過仿真實驗