基于Hadoop的用戶協(xié)同過濾推薦系統(tǒng)的研究.pdf

1、隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，人們逐漸從信息匱乏的時代進入了信息過載的時代。在這個時代，無論是信息的生產(chǎn)者還是信息的消費者都遇到很大的挑戰(zhàn)：對于信息生產(chǎn)者，使自己生產(chǎn)出的信息脫穎而出，受到廣大用戶的好評，是一件非常困難的事情；對于信息消費者，從大量信息中發(fā)現(xiàn)自己感興趣的信息也是一件非常困難的事情。推薦系統(tǒng)就是解決這一矛盾的重要工具。推薦系統(tǒng)主動發(fā)現(xiàn)用戶當前或潛在需求，并主動推送信息給用戶。它依托海量數(shù)據(jù)，分析用戶的行為、屬性，對象的屬性、

2、內(nèi)容、分類，以及用戶之間的社交關(guān)系等等，挖掘用戶的喜好和需求，主動向用戶推薦其感興趣或者需要的對象。目前影響推薦技術(shù)的關(guān)鍵因素有冷啟動問題，在大數(shù)據(jù)場景下的應(yīng)用問題以及推薦算法的準確性等問題。
　　本文針對推薦系統(tǒng)存在的這些問題展開研究工作，實現(xiàn)了基于Hadoop的協(xié)同過濾推薦算法。首先，相似性度量方法的效果直接決定了推薦系統(tǒng)的準確率，本文引入用戶共同評分項的流行度及用戶的人口統(tǒng)計學特征值之間的相關(guān)性，實現(xiàn)了一個改進的相似度度量方

3、法及相應(yīng)的協(xié)同過濾推薦算法。對比實驗表明，該算法在一定程度上提高了推薦的準確度。其次，協(xié)同過濾算法的應(yīng)用往往在大數(shù)據(jù)場景下，算法的計算量將隨著用戶數(shù)量和項目數(shù)量的增加而不斷增加，本文研究了云計算環(huán)境下傳統(tǒng)協(xié)同過濾算法的可擴展性問題，研究實現(xiàn)了基于Hadoop的協(xié)同過濾算法。
　　基于Hadoop平臺基礎(chǔ)上的協(xié)同過濾算法詳細研究，實現(xiàn)和部署了一個電影推薦系統(tǒng)，并在其中應(yīng)用了改進的相似度度量方法及相應(yīng)的協(xié)同過濾推薦算法。此系統(tǒng)具備大規(guī)