云計算環(huán)境下協(xié)同過濾推薦算法研究.pdf

1、ResearchonCollaborativeFilteringRecommendationAlgorithmsBasedonCloudComputingAThesisSubmittedtoNanjingNormalUniversityFortheAcademicDegreeofMasterofEngineeringBYCanYanSupervisedbyProfGenlinJiSchoolofComputerScienceandTec

2、hnologyNanjingNormalUniversityMarch2014南京師范大學碩士學位論文云計算環(huán)境下協(xié)同過濾推薦算法研究摘要隨著網絡信息化服務的發(fā)展，電子商務已經成為商業(yè)活動中重要的組成部分。通過搜索技術，用戶往往能從種類繁多的商品中找到滿足要求的商品。但是，數據庫中存在著大量用戶不知道的商品項目，這些項目卻可能是用戶潛在感興趣的商品。如何更加精確地將商品推薦給用戶，這一問題受到了電商的重視和關注。因此，推薦技術成為了目前

3、廣泛研究的熱點問題。數據挖掘的目的在于知識發(fā)現，將數據挖掘技術應用到推薦技術之中將更好地發(fā)現潛在的用戶興趣。本文主要研究云計算環(huán)境下協(xié)同過濾推薦算法，將協(xié)同過濾推薦技術遷移部署到云計算環(huán)境中，利用集群的優(yōu)勢減少推薦時間。設計新的推薦算法提高推薦精度、解決冷啟動問題，并且隨著數據量的不斷增加獲得高可擴展性。云計算環(huán)境下推薦算法的研究有著重要的應用價值。數據存儲在云之中，能夠方便管理與備份，降低數據丟失風險；利用集群優(yōu)勢提高推薦系統(tǒng)的響應速

4、度，吸引用戶瀏覽商品；提高推薦精度，產生正確推薦，最終提高商品銷售量。本文的主要研究成果如下：1提出了基于項目的并行協(xié)同過濾推薦算法PIBCF。該算法通過Map／Reduce編程模型，設計高效的并行算法，將推薦中計算密集過程分散到各個Hadoop數據處理節(jié)點。利用并行計算的優(yōu)勢，提高推薦速度。實驗結果表明PIBCF算法比已有的并行算法運行時間更少，可擴展性好。2提出了基于協(xié)同過濾與項目內容的混合推薦算法HRCFIC?；陧椖繀f(xié)同過濾算法