基于Hadoop的電子商務(wù)推薦系統(tǒng)研究.pdf

1、電子商務(wù)使我們的生活變得便捷，它迅速發(fā)展的同時(shí)也產(chǎn)生了大量的數(shù)據(jù)，如何幫助用戶在海量的數(shù)據(jù)中快速高效地找到有價(jià)值的內(nèi)容便成了一個(gè)重要的問題。目前，搜索引擎和信息分類網(wǎng)站都在一定程度上解決了海量數(shù)據(jù)的搜索問題，但是，這兩者是需要用戶通過輸入關(guān)鍵字或者提供其他相關(guān)信息去查找，才能獲取到需要的信息。相比之下，推薦系統(tǒng)的出現(xiàn)則更加的主動(dòng)和智能化，從而在電商網(wǎng)站中起到了越來越重要的作用。它能以相當(dāng)快的速度在海量數(shù)據(jù)中進(jìn)行檢索，不需要用戶輸入關(guān)鍵字

2、等提示信息，主動(dòng)的向顧客推薦有用的商品，它的智能化方便顧客的同時(shí)也為商家提供了很大的幫助。
　　支撐推薦系統(tǒng)正常運(yùn)行的推薦算法有很多，協(xié)同過濾算法是其中運(yùn)用最廣泛的推薦算法。然而，隨著電子商務(wù)中用戶數(shù)量和商品數(shù)量的高速增長，協(xié)同過濾推薦算法也面臨新的挑戰(zhàn)，比如數(shù)據(jù)稀疏性問題、可擴(kuò)展性問題等等。
　　針對這些問題，本課題對協(xié)同過濾推薦算法進(jìn)行了全面深入的研究，并闡述了通過組合推薦算法來解決數(shù)據(jù)稀疏性問題，進(jìn)而完成推薦工作。同時(shí)

3、，考慮到受單機(jī)性能的限制，當(dāng)面對需要處理海量數(shù)據(jù)時(shí)，必然會對推薦結(jié)果的準(zhǔn)確性和效率造成嚴(yán)重影響。因此，采用將協(xié)同過濾推薦算法遷移部署到Hadoop平臺中，對數(shù)據(jù)進(jìn)行分布式處理，提高算法的運(yùn)行效率，解決算法的可擴(kuò)展性問題，最終達(dá)到增加商品銷售量的目的。
　　本文主要的研究工作如下:
　　1)對于常用的幾種推薦算法進(jìn)行深入研究分析，全面了解各個(gè)算法的優(yōu)點(diǎn)和缺點(diǎn)，重點(diǎn)研究了協(xié)同過濾推薦算法。
　　2)運(yùn)用組合推薦算法完成數(shù)據(jù)

4、填充和結(jié)果推薦。該組合算法是將K均值聚類算法、Slope One加權(quán)改進(jìn)算法和協(xié)同過濾算法(CF)相結(jié)合，以此來實(shí)現(xiàn)推薦。K均值聚類算法和Slope One加權(quán)改進(jìn)算法用來解決數(shù)據(jù)稀疏性問題，協(xié)同過濾算法(CF)用來在數(shù)據(jù)相對完整的基礎(chǔ)上實(shí)現(xiàn)最終的推薦。
　　3)對協(xié)同過濾推薦算法進(jìn)行改進(jìn)，使其能夠適應(yīng)MapReduce編程模型，進(jìn)而達(dá)到對數(shù)據(jù)進(jìn)行分布式處理的目的，以此來解決算法存在的可擴(kuò)展性問題。
　　4)對單個(gè)推薦算法和