云计算环境中资源优化推荐技术研究_吕晓晴精选.docx

2016年11月1日现代电子技术Nov.2016第39卷第21期ModernElectronicsTechniqueVol.39No.21doi：10.16652/j.issn.1004?373x.2016.21.006云计算环境中资源优化推荐技术研究吕晓晴（河北师范大学汇华学院，河北石家庄050000）摘要：随着系统规模的不断扩大和数据获取量的指数级增长，在传统推荐系统的冷启动、精确性、扩展性等问题严峻化的同时，实时性问题亦成为面向海量数据推荐系统新的瓶颈点。基于传统推荐领域的主流算法，提出了一个扩展向量推荐模型。根据扩展模型对推荐算法中对象的向量进行合理扩展，通过相似度计算等过程动态选取推荐集，完成对目标对象更精确的推荐。实验结果表明，与传统推荐算法相比，基于新模型的推荐算法可以显著地提升推荐效果，成功克服冷启动问题。关键词：扩展向量推荐模型；协同过滤；SlopeOne；ALS?WR；分布式计算中图分类号：TN911?34；TM417文献标识码：A文章编号：1004?373X（2016）21?0024?05ResearchonresourceoptimizationrecommendationtechnologyincloudcomputingenvironmentLüXiaoqing（HuihuaCollegeofHebeiNormalUniversity，Shijiazhuang050000，China）Abstract：Withthecontinuouslyextendingofthesystemscaleandexponentialorderincreaseofdataacquisitionquantity，theproblemsofcoldstart?up，accuracyandscalabilityofthetraditionalrecommendationsystemaresevere，andthereal?timeproblembecomesanewbottleneckofthemassivedatarecommendationsystem.Onthebasisofthemainstreamalgorithminthetraditionalrecommendationfield，anexpand?vectorrecommendationmodelisputforward.Theobjectvectorinrecommendationalgorithmisexpandedreasonablyaccordingtotheextendedmodel.Therecommendationsetisselectedbymeansofthesimilari?tycalculationandotherdynamicprocessestorecommendtheaccuratetargetobject.Theexperimentalresultsshowthat，incom?parisonwiththetraditionalcollaborativerecommendationalgorithm，therecommendationalgorithmbasedonthisnewmodelcanpromotetherecommendationeffectsignificantly，andovercomethecoldstart?upsuccessfully.Keywords：expand?vectorrecommendationmodel；collaborativefiltering；SlopeOne；ALS?WR；distributedcomputing0引言由于推荐系统应用的普及，提高系统的用户体验一直是各个系统应用不断的追求。由于推荐系统中的推荐算法在运行过程中涉及大量的数据计算过程，而海量数据环境下，运算所需的时间越来越大，实时完成系统应用是面向海量数据推荐系统的瓶颈点。面对海量数据的存储，常用数据库早已超出负荷，系统的可扩展性问题也日益凸显。针对其瓶颈点，很多研究方案被提出，但将精度、实时性和可扩展性同时完美的融合在一个系收稿日期：2015?12?21基金项目：引企入校——创新IT类人才培养的实践平台（2012GJJG136）；以培养IT企业适应型人才为目标的软件测试KPI考核体系的构建与研究（2015GJJG275）统中是该领域一直以来面临的挑战。针对传统推荐算法面向海量数据时的可扩展性和数据稀疏性问题，基于分布式环境下的数据挖掘和并行处理技术，本文除对推荐算法本身进行优化改进外，提出了一种基于Hadoop分布式平台完成推荐算法分布式实现的改进方案，即使用对海量稀疏数据具有良好支持的HDFS来存储用户交互矩阵并将其作