基于Mahout視頻推薦系統(tǒng)的研究與實現(xiàn).pdf

1、高速發(fā)展的互聯(lián)網(wǎng)信息產(chǎn)業(yè)，給人們帶來了意想不到的便利，并且近幾年中國推出“互聯(lián)網(wǎng)+”的理念，將互聯(lián)網(wǎng)運用到各個領(lǐng)域中。其中就包括“互聯(lián)網(wǎng)+影視”，許多的互聯(lián)網(wǎng)企業(yè)借此搭建服務(wù)多樣化在線視頻網(wǎng)站以滿足越來越多人的文化需求。也正因為此，網(wǎng)絡(luò)上的視頻信息數(shù)量變得相當(dāng)龐大，而用戶想要在海量的數(shù)據(jù)中找到自己感興趣的內(nèi)容卻變得愈加困難。推薦技術(shù)能夠?qū)Υ罅康挠脩魵v史行為數(shù)據(jù)進行分析并為用戶推薦感興趣的內(nèi)容，因此，本文將推薦技術(shù)運用到視頻網(wǎng)站上，從而有

2、效地解決此類問題。
　　推薦算法是決定一個推薦系統(tǒng)好壞的重要因素，目前比較流行的推薦算法有基于內(nèi)容的推薦算法、協(xié)同過濾推薦算法、基于規(guī)則推薦算法。本文研究了這三個推薦算法的基本思想以及各個算法的優(yōu)缺點，初步選取協(xié)同過濾推薦作為本系統(tǒng)的推薦算法。協(xié)同過濾推薦算法包含兩個分支，基于用戶和基于項目的協(xié)同過濾推薦算法，本文深入研究了其算法的原理并模擬數(shù)據(jù)對算法的實現(xiàn)過程進行詳細(xì)地介紹，同時結(jié)合視頻推薦系統(tǒng)的特點，最終選定基于項目的協(xié)同過濾

3、推薦算法來完成本系統(tǒng)的推薦模塊。由于推薦算法需要分析海量的用戶歷史行為數(shù)據(jù)，因此本文在Hadoop平臺上利用機器學(xué)習(xí)框架Mahout來實現(xiàn)推薦算法，從而提高算法的效率。
　　除此之外，通過對協(xié)同過濾算法原理的研究發(fā)現(xiàn)其存在新用戶問題，即對于沒有用戶歷史行為數(shù)據(jù)的用戶不能進行推薦。針對這一問題，本文提出新用戶推薦算法來解決，該算法需要使用到兩個基礎(chǔ)數(shù)據(jù)，視頻中用戶平均分最高前10個視頻(Top10算法)和協(xié)同過濾算法的結(jié)果數(shù)據(jù)，對于