面向eCRM的推薦系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、信息技術(shù)的發(fā)展、互聯(lián)網(wǎng)規(guī)模的壯大和網(wǎng)絡(luò)應(yīng)用的普及，使得用戶信息接收量呈指數(shù)增長，信息過載的時代已經(jīng)來臨。在這樣一個時代里，我們雖每天接收著來自外界海量的信息，卻不能實現(xiàn)目標(biāo)信息的有效關(guān)聯(lián)和篩選。無論是接收信息的用戶還是信息的提供者，都遭遇到前所未有的挑戰(zhàn)。用戶怎樣從海量的信息里尋找到自己所需要的目標(biāo)信息，提供者如何讓自己的信息被推送至需要它們的用戶那里，成為雙方需要解決的共同難題。傳統(tǒng)搜索引擎在這個時候往往顯得捉襟見肘，于是出現(xiàn)了推薦系

2、統(tǒng)。推薦系統(tǒng)將用戶與信息關(guān)聯(lián)起來，通過分析用戶的個人喜好，幫助用戶篩選、過濾信息，挑選那些可能會有用的信息呈現(xiàn)給用戶。
　　eCRM是基于CRM（Customer Relationship Management）并且融合了e-Commerce（電子商務(wù)）的大數(shù)據(jù)決策支持平臺。eCRM包含了大量的產(chǎn)品和用戶的關(guān)系數(shù)據(jù)，將eCRM上的企業(yè)產(chǎn)品信息和用戶信息進行關(guān)聯(lián)，由此設(shè)計一個基于 eCRM大數(shù)據(jù)決策平臺的推薦系統(tǒng)已是必然選擇。通過推

3、薦系統(tǒng)，eCRM平臺能夠根據(jù)用戶的興趣、愛好或者和這個用戶相似的用戶的興趣愛好以及購買行為，給出合理、恰當(dāng)?shù)耐扑]信息，避免了用戶在海量信息中選擇產(chǎn)品時的痛苦。通過推薦系統(tǒng)提供的推薦服務(wù)能夠極大提高用戶的滿意度，增強用戶忠誠度與企業(yè)知名度，使eCRM能充分體現(xiàn)其用戶關(guān)系管理的理念。
　　傳統(tǒng)的推薦系統(tǒng)往往運行于單機之上，極大制約了推薦系統(tǒng)的性能，產(chǎn)生推薦結(jié)果的時間不能滿足用戶的需要，日益增加的用戶日志數(shù)據(jù)和計算量也受限于單機系統(tǒng)資源

4、的約束。本文針對推薦系統(tǒng)的可擴展性問題，提出了將推薦系統(tǒng)充分并行化的思想。在深入地研究Apache Hadoop生態(tài)系統(tǒng)中的MapReduce和HDFS基礎(chǔ)上，將Hadoop部署到基于OpenStack的云平臺上，并對新提出的網(wǎng)絡(luò)推薦算法進行了MapRed uce化，并在此基礎(chǔ)上設(shè)計和實現(xiàn)了面向eCRM的推薦系統(tǒng)的原型。本文所做的主要工作如下：
　　1．通過對Hadoop的運行機制、MapRed uc e并行化編程原理、常見的推薦

5、算法和推薦系統(tǒng)、以及物質(zhì)擴散算法和熱傳導(dǎo)推薦算法的詳細研究，設(shè)計了網(wǎng)絡(luò)推薦算法的詳細MapRed uce化流程。
　　2．推薦系統(tǒng)遵循高內(nèi)聚、低耦合的原則，采用模塊化架構(gòu)，使推薦系統(tǒng)的模塊相對獨立，并將推薦系統(tǒng)部署到以O(shè)penStack作為基礎(chǔ)設(shè)施層、Hadoop作為平臺服務(wù)層的基礎(chǔ)平臺上，從而使推薦系統(tǒng)擁有良好的可擴展性。
　　3．在eCRM大數(shù)據(jù)決策平臺的基礎(chǔ)上，利用eCRM產(chǎn)生的數(shù)據(jù)，采用經(jīng)過 MapRed uc e化