基于Hadoop的個性化推薦系統(tǒng)在電子商務的應用.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)的快速發(fā)展和電子商務應用的不斷擴大,人們在享受電子商務帶來的方便快捷的同時也陷入了信息過載的困境,用戶在大量的電商物品中難以找到自己需要的物品。因此,電子商務個性化推薦系統(tǒng)顯得越來越重要。電子商務推薦系統(tǒng)自動化的為用戶推薦物品,幫助用戶找到需要的物品,順利完成購買過程。協(xié)同過濾技術(shù)是目前推薦系統(tǒng)中應用最為成功和廣泛的推薦技術(shù)之一。然而,協(xié)同過濾推薦系統(tǒng)存在的四個主要問題:推薦系統(tǒng)的數(shù)據(jù)稀疏問題、新用戶新項目問題、協(xié)同過濾推薦算

2、法的可擴展實時性問題以及“跨類型推薦”問題等。
  本文以傳統(tǒng)的協(xié)同過濾推薦算法為主線,將數(shù)據(jù)挖掘中的聚類算法、群體智能優(yōu)化算法引入到傳統(tǒng)協(xié)同過濾推薦算法中,形成量子粒子群聚類模型協(xié)同過濾推薦算法,提高了推薦效果并最終在搭建的云平臺上解決擴展性問題。針對推薦系統(tǒng)存在的四個主要問題,首先將基于用戶的協(xié)同過濾推薦算法和基于項目的協(xié)同過濾推薦算法結(jié)合,通過k-means聚類算法縮小比例空間,形成用戶和項目雙重聚類的協(xié)同過濾推薦算法,基于

3、項目聚類的協(xié)同過濾算法可以有效的解決數(shù)據(jù)稀疏性問題,在小范圍內(nèi)推薦物品可以提高算法的可擴展性實時性問題,將兩者結(jié)合同時解決了項目推薦無法進行的“擴類型問題”。對于新到來的用戶或者物品,通過聚類將其劃分到相對應的類簇中,在一定程度上也解決了新用戶和新項目問題。通過仿真實驗改進后的算法較之傳統(tǒng)協(xié)同過濾推薦算法的有效性。針對聚類算法易陷入局部最優(yōu)值、對初始聚類中心敏感問題以及后期收斂速度慢的問題,為了進一步提高推薦系統(tǒng)的推薦質(zhì)量,從尋優(yōu)機理的

4、角度出發(fā),將量子粒子群算法引入到k-means算法中,經(jīng)驗證在很大程度上可以解決聚類算法的不足。經(jīng)研究表明,量子粒子群算法具有收斂速度快優(yōu)點且最終收斂于全局最優(yōu)解,因此將量子粒子群聚類算法應用到推薦系統(tǒng)中驗證算法的有效性。隨著電子商務推薦系統(tǒng)的規(guī)模越來越大,運算量也隨之增加,運算所需要的資源和時間耗費明顯增大。Hadoop平臺給這個瓶頸帶來的曙光,Hadoop所具有的并行處理、容錯處理、本地化計算、負載均衡等優(yōu)點,極大的簡化了并行程度設

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論