基于Hadoop的網(wǎng)購智能推薦系統(tǒng)的研究與設(shè)計.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，推薦系統(tǒng)已成為解決信息超載問題最重要的過濾工具，用以幫助用戶在海量的數(shù)據(jù)中快速高效地找到有價值的內(nèi)容。但在實際應(yīng)用中，由于產(chǎn)品種類和用戶數(shù)目通常非常龐大，而傳統(tǒng)的推薦系統(tǒng)往往運行于單機(jī)之上，受到單機(jī)的性能限制，已經(jīng)遠(yuǎn)遠(yuǎn)不能夠滿足海量數(shù)據(jù)推薦計算的需要。
　　為了解決傳統(tǒng)推薦系統(tǒng)無法快速處理大規(guī)模數(shù)據(jù)集的問題，本文通過對Hadoop運行機(jī)制和Map-Reduce編程原理的研究并結(jié)合協(xié)同過濾推薦算法，設(shè)計實現(xiàn)

2、了一個應(yīng)用于網(wǎng)絡(luò)購物的推薦系統(tǒng)。論文的主要工作有：
　?。?）改進(jìn)了基于項目的并行協(xié)同過濾推薦算法，算法通過Map/Reduce編程模型設(shè)計高效的并行算法，將推薦中計算密集過程分散到各個Hadoop數(shù)據(jù)處理節(jié)點，利用并行計算的優(yōu)勢，提高推薦速度。實驗結(jié)果表明算法比己有的并行算法運行時間更少，實時性好。
　?。?）深入分析Mahout實現(xiàn)的基于項目的協(xié)同過濾算法，研究其存在的缺點并提出改進(jìn)的方法。通過Movie Lens數(shù)據(jù)集