基于Mahout的推薦系統(tǒng)實(shí)踐及算法改進(jìn).pdf

1、當(dāng)今社會已經(jīng)進(jìn)入了信息大爆炸的時代，面對著大量的信息數(shù)據(jù)，無論是信息的生產(chǎn)者還是信息的消費(fèi)者都受到了極大挑戰(zhàn)。一方面，信息生產(chǎn)者希望將自己生產(chǎn)的信息推送給可能對其感興趣的用戶面前；另一方面，信息消費(fèi)者又希望能夠從浩如煙海的信息中找出自己真正感興趣的東西。在這種情形下，推薦系統(tǒng)應(yīng)運(yùn)而生，它通過分析用戶的歷史行為信息，為用戶的興趣愛好建模，從而能夠預(yù)測用戶潛在的可能感興趣的物品，完成個性化推薦。在個性化推薦系統(tǒng)領(lǐng)域，大家最為關(guān)注的就是如何使

2、推薦系統(tǒng)的性能達(dá)到最優(yōu).其中推薦算法的好壞起著至關(guān)重要的作用，因此關(guān)于推薦算法的研究就成為大家關(guān)注的焦點(diǎn)。本文主要從以下幾個方面論述。
　　首先，為了對推薦系統(tǒng)的理解更加具體、深刻，介紹了推薦系統(tǒng)的概念、構(gòu)成模塊、評價(jià)準(zhǔn)則、評測方法還有典型應(yīng)用場景。系統(tǒng)的分析了幾種典型的推薦算法，包括基于用戶的協(xié)同過濾算法、SlopeOne算法、SVD算法以及隱語義模型，分別總結(jié)了這些算法的思路，算法步驟以及算法的優(yōu)缺點(diǎn)。
　　然后，重點(diǎn)研

3、究了Mahout中推薦部分的知識，在此基礎(chǔ)上搭建了基于Mahout的簡易推薦系統(tǒng),該推薦平臺基于單機(jī)內(nèi)存實(shí)現(xiàn)，可處理1M以下的數(shù)據(jù)量。隨后，利用該平臺對所介紹的推薦算法的性能進(jìn)行了評測，主要的評測標(biāo)準(zhǔn)有MAE，Recall以及Precision。在仿真實(shí)踐的過程中，發(fā)現(xiàn)對于不同的算法，當(dāng)所選取的參數(shù)以及數(shù)據(jù)集不同時，評測結(jié)果也會發(fā)生變化。
　　最后，針對視頻推薦系統(tǒng)的特點(diǎn)，指出了傳統(tǒng)推薦算法在視頻推薦領(lǐng)域存在的不足，接下來，詳細(xì)介