个性化推荐算法研究和“大数据”下的系统开发.pdf

重庆邮电人!学硕十论文 摘要 摘要 随着电子商务等互联网服务系统的不断发展，越来越多的用户数据、项目数据 以及用户与项目之问的交互数据积累在其中。这些海量多样的数据使得用户浪费 大量的时间去选择和过滤产品。此时个性化推荐系统就可以解决此类的数据膨胀 问题，它可以利用这些基础数据，通过使用数据挖掘和人工智能等技术，挖掘出 用户的兴趣爱好和偏向，向用户推荐与兴趣相符的商品和服务，从而提高用户体 验并给企业带来更多的经济效益。 本文首先分析了基于内容和基于协同过滤的推荐算法的优缺点，并在此基础上 对传统的基于混合推荐方法进行改进。首先利用用户与项目之间的评分信息和特 征信息来优化项目间的相似度计算；然后在用户和项目的全局关系下构建了一个 用户与项目的加权两层图模型，并使用随机游走算法完成个性化的项目推荐和用 户推荐。该算法相比其他推荐方法，考虑了项目本身的特征信息，并在全局关系 下更全面的计算用户项目之间的相似性。实验结果表明，它具有更高的准确度。 个性化推荐系统研究本质由算法和系统两部分组成。随着越来越多大型的电子 商务系统企业被推荐系统所吸引，大数据和实时计算问题也同益成为推荐系统的 研究重点。本文首先对推荐系统的两个技术瓶颈问题：计算有效性和实时性进行 了分析；然后借助软件设计的思想，把系统分为Web前端、离线计算和实时计算 Redis等多种最新的开源技术，设计了一个完整的个性化推荐系统的构建方案。在 该方案中，我们针对大数据的离线计算和实时计算提出了自己的实现思路，并针 对模块之间的通信引入了基于消息队列的模块通信的方式，使得系统在处理能力 和实时性上都得到保证，最后采用LAMP、JA、，A等多个丌发技术实现了系统的 RC版。 关键词：个性化推荐系统，大数据，离线计算，实时计算，Hadoop，Storm 重庆邮电人学硕士论文 Abstract Abstract Wlththecontinuous oftheInternetservices suchas development systems andmoreuser theuserinteractiondataare e-commerce，more data，iterndata，and accumulated．Thesemassivevarietiesofdataleduserstowaste oftime plenty looking fortheirfavorite items．Atthis recommendationcansolve point，personalized system the ofdata cantake ofthese use problemsexpansion．Itadvantageunderlyingdata，and data andartificial to outtheuserinterestedin mining intelligencetechnologydig goods andservices recommendedfor asto theuser and users，SOimprove experiencebring moreeconomicbenefits． Onthe and ofcontent—basedandcollaborative advant