基于Hadoop云平臺的智能推薦物流系統(tǒng)設(shè)計與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、開源的云平臺框架Hadoop,隨著互聯(lián)網(wǎng)的高速發(fā)展,也在不斷完善自身推出具有更高性能、更穩(wěn)定的版本,在以數(shù)據(jù)為引導(dǎo)的今日,得到了更加廣泛的關(guān)注。它是Google一個重要的分布式并行化編程模型MapReduce的開源實現(xiàn),擁有豐富的服務(wù)接口,可以部署在數(shù)千個節(jié)點集群中,來應(yīng)對海量的數(shù)據(jù)計算業(yè)務(wù)。對于實現(xiàn)并行化的算法程序,使用其MapReduce編程模型,開發(fā)者只需要將注意力集中在自身要解決的計算任務(wù)上,將自定義好MapReduce類提交給

2、平臺相應(yīng)的接口處理即可,為開發(fā)和研究云計算服務(wù)、大數(shù)據(jù)業(yè)務(wù)處理帶來極大的便利性。
  本文的主要研究工作就是基于Hadoop云平臺展開的。論文研究過程中,在VMware虛擬化的服務(wù)器上搭建了四個工作節(jié)點,在這個小集群的基礎(chǔ)上進行智能推薦算法的應(yīng)用研究工作。文中對于Hadoop平臺的部署配置,以及采用MapReduce編程模型為基礎(chǔ)實現(xiàn)分布式的并行化計算的編程方法做了仔細(xì)的學(xué)習(xí)研究。
  文中研究了物流業(yè)務(wù)平臺的原有客戶關(guān)系等

3、信息,構(gòu)建了基于Hadoop平臺的推薦系統(tǒng)框架,采用離線實驗的方式,從業(yè)務(wù)平臺的Oracle數(shù)據(jù)庫中獲取實驗研究用的原始數(shù)據(jù),并通過簡單的數(shù)據(jù)ETL功能模塊進行數(shù)據(jù)轉(zhuǎn)換,使數(shù)據(jù)比較適應(yīng)于MapReduce的算法應(yīng)用。文中的智能推薦的方法采用了基于項目的協(xié)同過濾算法,該算法核心是從用戶-項目的評分矩陣之中構(gòu)造出項目間的同現(xiàn)矩陣,進而利用同現(xiàn)矩陣來快速的計算出用戶的興趣物品。該算法的基本實現(xiàn)相對簡單,且在處理一定規(guī)模的數(shù)據(jù)集上效率比較高。研

4、究中,以MapReduce編程模型實現(xiàn)了該算法,將其與物流業(yè)務(wù)平臺相結(jié)合為物流行業(yè)的企業(yè)用戶提供推薦服務(wù),Hadoop平臺對于數(shù)據(jù)集的分片使得算法的實現(xiàn)出現(xiàn)推薦結(jié)果局部化問題,為了解決該問題,以及現(xiàn)有平臺的數(shù)據(jù)增長規(guī)模的分析和系統(tǒng)結(jié)構(gòu)的綜合分析,提出了利用Redis來構(gòu)建推薦系統(tǒng)的緩存數(shù)據(jù)層以此存儲算法用到的同現(xiàn)矩陣,同時調(diào)整原有算法實現(xiàn)的程序流程,來解決推薦結(jié)果局部化問題。
  文中對兩種方法在多個評價指標(biāo)上進行了分析比隊。調(diào)整

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論