基于Hadoop的用戶個性化推薦研究.pdf

1、個性化推薦系統(tǒng)是針對每個用戶的不同需求，提供滿足他們偏好和興趣的信息，在應(yīng)用初期取到了不錯的效果，但隨著大數(shù)據(jù)時代的來臨，帶來了信息超載問題，傳統(tǒng)的個性化推薦系統(tǒng)也面臨著諸多挑戰(zhàn)，如推薦時間過長、精準(zhǔn)度不高和擴(kuò)展比較困難等問題。
　　除了單純的尋找更加高效的推薦算法，推薦系統(tǒng)服務(wù)器性能提升也是要考慮的問題。為了應(yīng)對海量數(shù)據(jù)處理提供高效的服務(wù)，已經(jīng)提出了若干基于分布式的系統(tǒng)解決方案。而 Hadoop正是這樣一個高效的、可拓展的分布式

2、計算平臺，因此可以將推薦系統(tǒng)應(yīng)用于 Hadoop中，以應(yīng)對大數(shù)據(jù)提供高質(zhì)量的推薦服務(wù)。本文的主要研究工作如下：
　　1、本文對個性化推薦系統(tǒng)的結(jié)構(gòu)、主流推薦算法和常用評價指標(biāo)進(jìn)行分析，結(jié)合目前面臨的挑戰(zhàn)引出了基于Hadoop構(gòu)建個性化推薦系統(tǒng)的意義。然后對Hadoop的關(guān)鍵技術(shù)進(jìn)行了研究。
　　2、具體研究了基于用戶的和基于項(xiàng)目兩種協(xié)同過濾算法，然后分析了傳統(tǒng)協(xié)同過濾算法存在的問題，提出基于矩陣填充和時間上下文的推薦算法。針

3、對數(shù)據(jù)稀疏性問題，提出采用矩陣填充的手段進(jìn)行緩解；考慮到用戶興趣隨著時間推移而慢慢發(fā)生變化，引入時間上下文因素，進(jìn)行預(yù)測評分時，加入時間函數(shù)權(quán)重，突出用戶最近行為對用戶興趣變化的影響。最后結(jié)合Hadoop平臺特點(diǎn)，通過MapReduce編程模型對該算法實(shí)現(xiàn)并行化。
　　3、對本文提出的改進(jìn)算法進(jìn)行實(shí)驗(yàn)，測試三種相似度計算方法的優(yōu)劣，然后比較在不同鄰居數(shù)和數(shù)據(jù)稀疏性條件下三種算法的性能差異。
　　4、針對于提出的算法設(shè)計并實(shí)現(xiàn)