基于云平臺的智能終端推薦系統的設計和實現.pdf

1、近年來隨著移動設備的普及和移動互聯網的發(fā)展，隨之也帶來了全新的用戶習慣和消費模式。各類移動應用已獲得越來越多用戶的強烈推崇，移動終端儼然成了用戶的私人助手，可以預期移動化、智能化已是未來互聯網發(fā)展的趨勢。移動應用的逐漸豐富和網絡技術的迅速發(fā)展，使人們的生活更加的方便多彩，但同時也給人們帶來了信息過載的問題。雖然分類目錄和搜索這類大眾化的服務在很大程度上提升了獲取信息的效率，但其單一的呈現將用戶注意力分散，降低了體驗。
　　隨著技術

2、的發(fā)展，推薦系統已成為解決信息超載問題最重要的過濾工具，它會根據用戶興趣特點和行為模式，更加智能和主動地幫助用戶在海量的數據中快速高效地找到有價值的內容。當前推薦系統應用最成熟的是協同過濾推薦算法，然而面對移動設備的處理能力和海量數據的挑戰(zhàn)，協同過濾算法也遇到了不小的問題，如冷啟動、數據稀疏性、擴展性等。本文針對智能終端設備，把推薦系統搭建在云平臺上，通過算法和大數據幫助用戶快速找到感興趣的飲食和運動，減少瀏覽大量無關信息，滿足更加個性

3、化的需求。
　　為了實現對飲食和運動的個性化推薦，本文構建一個基于云計算平臺的協同過濾推薦引擎，通過搭建在云平臺上的后臺服務器集群處理得到因人而異的建議信息，用戶進入應用或刷新時顯示到用戶的移動終端上。以下是該系統設計和實現過程中的一些總結和成果：
　　1.為了支持算法擴展和數據擴容，提出了基于開源平臺 Hadoop搭建推薦引擎，重點學習了分布式文件系統 HDFS和分布式計算框架 MapReduce，并研究了利用云計算解決數

4、據挖掘問題的Mahout算法庫。
　　2.為了推薦的準確性，運用組合多種推薦引擎的方式對用戶進行推薦，應用多種不同的算法計算相似性，利用各自的優(yōu)點而取得好的效果。最后，推薦引擎可以使用相似性信息根據請求參數進行推薦提高推薦準確性，進而提高用戶滿意度。
　　3.根據推薦的實時性，分離在線計算和離線計算，然后再進行組合而快速計算出結果，將Top-N的結果返回給接口。接口是IOS設備與推薦引擎的鏈接紐帶，論文設計推薦系統（服務器）