基于Hadoop的電子商品推薦系統(tǒng)研究.pdf

1、隨著網(wǎng)絡(luò)的迅猛發(fā)展，在海量數(shù)據(jù)中發(fā)現(xiàn)用戶需要的信息日趨困難。為了解決這類“信息過載”問題，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生，它能夠根據(jù)用戶的歷史記錄感知用戶的興趣和需求，從而為用戶提供個(gè)性化的資源推薦服務(wù)。近年來已有不少推薦算法被相繼提出并應(yīng)用于實(shí)踐，本文以協(xié)同過濾技術(shù)為基礎(chǔ)，以分布式開源軟件ApacheHadoop為實(shí)驗(yàn)平臺(tái)，針對(duì)電影這類物品的推薦算法進(jìn)行了研究，另外對(duì)推薦系統(tǒng)所面臨的數(shù)據(jù)稀疏、冷啟動(dòng)、系統(tǒng)擴(kuò)展及時(shí)效性等問題也進(jìn)行了研究。主要工

2、作如下:
　　1.提出了一種基于用戶興趣的聚類算法，并結(jié)合帶有時(shí)間因子的協(xié)同過濾推薦算法構(gòu)建了實(shí)時(shí)推薦系統(tǒng)。該算法首先根據(jù)用戶對(duì)不同物品類型的偏好度對(duì)用戶進(jìn)行聚類，然后對(duì)協(xié)同過濾算法添加時(shí)間因子，使得推薦算法能體現(xiàn)出用戶興趣變化，計(jì)算的結(jié)果向同類用戶推薦。實(shí)驗(yàn)表明該方法相對(duì)于單純使用協(xié)同過濾推薦算法在推薦結(jié)果的準(zhǔn)確率和召回率有了部分提升。
　　2.給出一種解決數(shù)據(jù)稀疏性問題的方法。首先計(jì)算用戶對(duì)每個(gè)電影類型的偏好值，當(dāng)需要對(duì)

3、沒看過的電影進(jìn)行預(yù)評(píng)分時(shí)，由該電影所屬的類型，結(jié)合用戶相應(yīng)的類型偏好值求平均，作為該用戶對(duì)該電影的預(yù)評(píng)分值。實(shí)驗(yàn)結(jié)果表明，該方法填充后的電影推薦在準(zhǔn)確率、召回率上有一定程度的提高。
　　3.分別給出解決目標(biāo)用戶和目標(biāo)物品冷啟動(dòng)問題的方法。本文采用眾數(shù)法來度量目標(biāo)用戶和目標(biāo)物品的評(píng)分眾數(shù)，將大眾都喜愛的物品推薦給新用戶，將新物品推薦給興趣比較廣泛的用戶。實(shí)驗(yàn)得出采用的眾數(shù)法其平均絕對(duì)偏差MAE比常用的平均值法小，說明眾數(shù)法在緩解新用