基于Hadoop的網購智能推薦系統(tǒng)的研究與設計.pdf

1、隨著互聯網技術的迅猛發(fā)展，推薦系統(tǒng)已成為解決信息超載問題最重要的過濾工具，用以幫助用戶在海量的數據中快速高效地找到有價值的內容。但在實際應用中，由于產品種類和用戶數目通常非常龐大，而傳統(tǒng)的推薦系統(tǒng)往往運行于單機之上，受到單機的性能限制，已經遠遠不能夠滿足海量數據推薦計算的需要。
　　為了解決傳統(tǒng)推薦系統(tǒng)無法快速處理大規(guī)模數據集的問題，本文通過對Hadoop運行機制和Map-Reduce編程原理的研究并結合協同過濾推薦算法，設計實現

2、了一個應用于網絡購物的推薦系統(tǒng)。論文的主要工作有：
　?。?）改進了基于項目的并行協同過濾推薦算法，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。實驗結果表明算法比己有的并行算法運行時間更少，實時性好。
　　（2）深入分析Mahout實現的基于項目的協同過濾算法，研究其存在的缺點并提出改進的方法。通過Movie Lens數據集