基于Hadoop的電子商務推薦系統(tǒng)研究.pdf

1、電子商務使我們的生活變得便捷，它迅速發(fā)展的同時也產(chǎn)生了大量的數(shù)據(jù)，如何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容便成了一個重要的問題。目前，搜索引擎和信息分類網(wǎng)站都在一定程度上解決了海量數(shù)據(jù)的搜索問題，但是，這兩者是需要用戶通過輸入關鍵字或者提供其他相關信息去查找，才能獲取到需要的信息。相比之下，推薦系統(tǒng)的出現(xiàn)則更加的主動和智能化，從而在電商網(wǎng)站中起到了越來越重要的作用。它能以相當快的速度在海量數(shù)據(jù)中進行檢索，不需要用戶輸入關鍵字

2、等提示信息，主動的向顧客推薦有用的商品，它的智能化方便顧客的同時也為商家提供了很大的幫助。
　　支撐推薦系統(tǒng)正常運行的推薦算法有很多，協(xié)同過濾算法是其中運用最廣泛的推薦算法。然而，隨著電子商務中用戶數(shù)量和商品數(shù)量的高速增長，協(xié)同過濾推薦算法也面臨新的挑戰(zhàn)，比如數(shù)據(jù)稀疏性問題、可擴展性問題等等。
　　針對這些問題，本課題對協(xié)同過濾推薦算法進行了全面深入的研究，并闡述了通過組合推薦算法來解決數(shù)據(jù)稀疏性問題，進而完成推薦工作。同時

3、，考慮到受單機性能的限制，當面對需要處理海量數(shù)據(jù)時，必然會對推薦結果的準確性和效率造成嚴重影響。因此，采用將協(xié)同過濾推薦算法遷移部署到Hadoop平臺中，對數(shù)據(jù)進行分布式處理，提高算法的運行效率，解決算法的可擴展性問題，最終達到增加商品銷售量的目的。
　　本文主要的研究工作如下:
　　1)對于常用的幾種推薦算法進行深入研究分析，全面了解各個算法的優(yōu)點和缺點，重點研究了協(xié)同過濾推薦算法。
　　2)運用組合推薦算法完成數(shù)據(jù)

4、填充和結果推薦。該組合算法是將K均值聚類算法、Slope One加權改進算法和協(xié)同過濾算法(CF)相結合，以此來實現(xiàn)推薦。K均值聚類算法和Slope One加權改進算法用來解決數(shù)據(jù)稀疏性問題，協(xié)同過濾算法(CF)用來在數(shù)據(jù)相對完整的基礎上實現(xiàn)最終的推薦。
　　3)對協(xié)同過濾推薦算法進行改進，使其能夠適應MapReduce編程模型，進而達到對數(shù)據(jù)進行分布式處理的目的，以此來解決算法存在的可擴展性問題。
　　4)對單個推薦算法和