云計算平臺下的個性化推薦算法設計.pdf

1、隨著Internet的迅猛發(fā)展，接入Internet的服務器數(shù)量和其提供的信息數(shù)量都呈現(xiàn)指數(shù)增長的態(tài)勢。面對如此海量的信息，人們往往感到無所適從，出現(xiàn)了所謂的“信息超載”現(xiàn)象。個性化推薦技術被認為是當前解決“信息超載”問題最有效的工具之一，但現(xiàn)有的個性化推薦系統(tǒng)面臨著海量數(shù)據(jù)帶來的數(shù)據(jù)存儲、數(shù)據(jù)處理和推薦速度等方面的挑戰(zhàn)，現(xiàn)有系統(tǒng)在推薦精度、推薦多樣性、推薦冷門產品能力等方面仍然需要進一步改進。
　　 本文利用基于二部圖的算法進

2、行個性化推薦，提出了通過適當降低產品的度來提高算法推薦冷門產品能力的方法，并在分析海量數(shù)據(jù)對現(xiàn)有的個性化系統(tǒng)帶來挑戰(zhàn)的基礎上，提出了把云計算平臺與個性化推薦系統(tǒng)結合起來的解決方法，設計出了云計算平臺下的個性化推薦流程。主要工作如下：
　　 (1)以基于二部圖的推薦算法為切入點，研究該算法在推薦精度、推薦多樣性和推薦冷門產品方面的性能，并從兩個角度對算法進行改進：一是通過引入指數(shù)參數(shù)的方式來降低產品的度從而提高推薦精度和推薦冷門產

3、品的能力；二是采用周濤提出的去重復屬性的辦法來提高算法的推薦精度。在Movielens數(shù)據(jù)集上測試的實驗結果表明，基于二部圖的個性化推薦算法在推薦精度、推薦多樣性和推薦冷門產品方面有良好的性能，且上述兩種改進方法均能進一步有效提高該算法的推薦精度，并且降低產品的度的方法還能提高推薦冷門產品的能力。
　　 (2)深入研究云計算核心技術以及Bigtable、GFS、MapReduce工作機制，配置Hadoop云計算環(huán)境。