個(gè)性化推薦算法研究及“大數(shù)據(jù)”下的系統(tǒng)開(kāi)發(fā).pdf

1、隨著電子商務(wù)等互聯(lián)網(wǎng)服務(wù)系統(tǒng)的不斷發(fā)展，越來(lái)越多的用戶數(shù)據(jù)、項(xiàng)目數(shù)據(jù)以及用戶與項(xiàng)目之間的交互數(shù)據(jù)積累在其中。這些海量多樣的數(shù)據(jù)使得用戶浪費(fèi)大量的時(shí)間去選擇和過(guò)濾產(chǎn)品。此時(shí)個(gè)性化推薦系統(tǒng)就可以解決此類的數(shù)據(jù)膨脹問(wèn)題，它可以利用這些基礎(chǔ)數(shù)據(jù)，通過(guò)使用數(shù)據(jù)挖掘和人工智能等技術(shù)，挖掘出用戶的興趣愛(ài)好和偏向，向用戶推薦與興趣相符的商品和服務(wù)，從而提高用戶體驗(yàn)并給企業(yè)帶來(lái)更多的經(jīng)濟(jì)效益。
　　 本文首先分析了基于內(nèi)容和基于協(xié)同過(guò)濾的推薦算法

2、的優(yōu)缺點(diǎn)，并在此基礎(chǔ)上對(duì)傳統(tǒng)的基于混合推薦方法進(jìn)行改進(jìn)。首先利用用戶與項(xiàng)目之間的評(píng)分信息和特征信息來(lái)優(yōu)化項(xiàng)目間的相似度計(jì)算;然后在用戶和項(xiàng)目的全局關(guān)系下構(gòu)建了一個(gè)用戶與項(xiàng)目的加權(quán)兩層圖模型，并使用隨機(jī)游走算法完成個(gè)性化的項(xiàng)目推薦和用戶推薦。該算法相比其他推薦方法，考慮了項(xiàng)目本身的特征信息，并在全局關(guān)系下更全面的計(jì)算用戶項(xiàng)目之間的相似性。實(shí)驗(yàn)結(jié)果表明，它具有更高的準(zhǔn)確度。
　　 個(gè)性化推薦系統(tǒng)研究本質(zhì)由算法和系統(tǒng)兩部分組成。隨著越

3、來(lái)越多大型的電子商務(wù)系統(tǒng)企業(yè)被推薦系統(tǒng)所吸引，大數(shù)據(jù)和實(shí)時(shí)計(jì)算問(wèn)題也日益成為推薦系統(tǒng)的研究重點(diǎn)。本文首先對(duì)推薦系統(tǒng)的兩個(gè)技術(shù)瓶頸問(wèn)題:計(jì)算有效性和實(shí)時(shí)性進(jìn)行了分析;然后借助軟件設(shè)計(jì)的思想，把系統(tǒng)分為Web前端、離線計(jì)算和實(shí)時(shí)計(jì)算等幾個(gè)模塊，并分別進(jìn)行了分析;最后，通過(guò)引入Hadoop、Storm、RabbitMQ和Redis等多種最新的開(kāi)源技術(shù)，設(shè)計(jì)了一個(gè)完整的個(gè)性化推薦系統(tǒng)的構(gòu)建方案。在該方案中，我們針對(duì)大數(shù)據(jù)的離線計(jì)算和實(shí)時(shí)計(jì)算提出