基于混合推薦技術(shù)的推薦系統(tǒng)設(shè)計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)近幾年爆炸式的發(fā)展，海量的信息以及其持續(xù)的增長使得信息嚴(yán)重過載，信息利用率大大地降低，而人們對有價值信息的獲取也面臨著挑戰(zhàn)，由此一個單獨的體系概念推薦系統(tǒng)引起了學(xué)術(shù)界與工業(yè)界的關(guān)注。推薦系統(tǒng)能有效地解決信息過載帶來的用戶選擇問題，其不同于搜索引擎，推薦系統(tǒng)是基于對歷史數(shù)據(jù)的分析然后主動地向用戶推送對用戶潛在有價值的或者用戶可能會喜歡的信息內(nèi)容。傳統(tǒng)的推薦系統(tǒng)大多是使用單一的數(shù)據(jù)源并基于單一的或者簡單混合的策略實現(xiàn)推薦，其通常無

2、法有效地解決推薦系統(tǒng)中面臨的數(shù)據(jù)稀疏性、冷啟動、推薦實時性等問題。并且在當(dāng)今大數(shù)據(jù)時代的背景下推薦系統(tǒng)往往是建立在擁有大規(guī)模數(shù)據(jù)集的數(shù)據(jù)平臺上，結(jié)合大數(shù)據(jù)處理技術(shù)構(gòu)建一個穩(wěn)定與高效的推薦系統(tǒng)也一直是推薦領(lǐng)域研究的熱點。
　　本文在深入研究傳統(tǒng)推薦算法的基礎(chǔ)上設(shè)計了一種使用多數(shù)據(jù)源的混合推薦方法，其中結(jié)合使用了用戶人口統(tǒng)計學(xué)信息、物品屬性特征以及顯式與隱式評分信息通過混合方法實現(xiàn)推薦，從而改善了推薦系統(tǒng)中數(shù)據(jù)稀疏性與冷啟動的問題。并

3、且本文通過對相關(guān)大數(shù)據(jù)處理技術(shù)的研究實現(xiàn)了基于該混合推薦方法的推薦系統(tǒng)，該推薦系統(tǒng)包括使用Hadoop構(gòu)建的離線推薦模塊以及使用實時流計算框架Storm實現(xiàn)的在線推薦模塊，并且通過對離線推薦結(jié)果與在線推薦結(jié)果的交叉混合生成最終的推薦列表，系統(tǒng)中實現(xiàn)了對用戶行為日志的收集并轉(zhuǎn)換為相應(yīng)的隱式評分從而擴(kuò)充了系統(tǒng)中的數(shù)據(jù)，該系統(tǒng)還使用Storm滑動窗口實現(xiàn)了在線推薦系統(tǒng)其很大程度地提高了推薦的實時性。本文中還深入地探討了推薦系統(tǒng)中使用到的日志收