结合信任模型的协同过滤推荐系统研究与实现-计算机技术专业论文.docxVIP

重庆大 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV on the Hadoop distributed platform. Keywords: Trust Model, Collaborative Filtering, Movie Recommendation System, Hadoop 重庆大学硕 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 研究背景及意义 1 1.2 国内外研究现状 2 1.3 本文主要工作 3 1.4 论文组织结构 3 1.5 本章小结 4 2 个性化推荐系统介绍 5 2.1 推荐系统概述 5 2.1.1 推荐系统概念 5 2.1.2 推荐系统构成 5 2.2 主要推荐算法 6 2.2.1 基于内容推荐 6 2.2.2 协同过滤推荐 8 2.2.3 混合推荐 11 2.3 推荐算法评估 12 2.4 推荐技术面临的挑战 13 2.5 本章小结 13 3 结合信任模型的协同过滤推荐 14 3.1 结合信任的协同过滤推荐框架 14 3.1.1 算法思想 14 3.1.2 算法整体框架 14 3.2 信任定义及特征 15 3.3 信任模型建立 16 3.3.1 直接信任度 16 3.3.2 间接信任度 18 3.4 算法具体过程 19 3.4.1 最近邻用户寻找 19 3.4.2 评分预测及推荐 20 3.5 实验分析 20 3.5.1 实验数据集 20 3.5.2 实验结果及分析 21 3.6 本章小结 23 4 结合信任模型的推荐系统设计 24 4.1 推荐系统需求 24 4.2 推荐系统架构 24 4.3 用户交互模块设计 25 4.4 推荐引擎设计 26 4.4.1 数据模型设计 27 4.4.2 推荐算法组 29 4.4.3 推荐结果处理 30 4.5 系统冷启动问题解决方案 31 TOC \o 1-2 \h \z \u HYPERLINK \l _TOC_250003 4.6 基于 Hadoop 分布式平台设计 31 HYPERLINK \l _TOC_250002 4.6.1 HDFS 分布式文件系统 31 HYPERLINK \l _TOC_250001 MapReduce 计算模型 33 HYPERLINK \l _TOC_250000 基于 Hadoop 平台系统设计 34 4.7 本章小结 36 5 结合信任模型的推荐系统实现 37 5.1 系统开发环境 37 5.2 推荐引擎实现 38 5.2.1 数据模型建立 38 5.2.2 推荐算法实现 42 5.2.3 推荐结果处理 46 5.3 用户交互实现 46 5.4 本章小结 50 6 总结与展望 51 6.1 总结 51 6.2 展望 51 致 谢 52 参考文献 53 重庆大学 重庆大学硕士学位论文 1 绪 论 PAGE PAGE 10 1 绪 论 1.1 研究背景及意义 近几年，互联网得到了飞速发展，网络中充斥着各种各样的信息，对于普通 的网络用户而言，很容易被复杂的信息所干扰，需要花费巨大的时间与精力才能 找到对自己有用的信息，这就是信息过载问题 HYPERLINK \l _bookmark0 [1]。对于非常重视用户体验的互联网 领域来说，信息过载问题严重违背了这个理念，因此如何解决这个问题成为了一 项重要的研究工作。 面对信息过载问题，有两种比较常用的解决方法，其中一种是利用信息检索 系统来过滤掉那些与用户的要求完全不相关的信息，以此缩小信息搜寻的范围。 比如百度、Google、Bing 等搜索引擎，它们需要用户输入信息的关键字，根据这 些关键字为其找到相关的信息，这是一种被动的解决方法，并且其寻找的信息往 往具有单一化的特性。在互联网中信息的传播是多样的，用户对信息的需求也更 加偏向于个性化和多元化，而搜索引擎虽然在信息检索方面有着无可替代的作用， 但是面对用户的各种比较个性的要求又显得乏力。 另一种比较常用也是非常有效的解决方法是推荐系统。推荐系统能够结合用 户自身的喜好特点以及外在的信息特征主动为用户寻找对他们可能有用的信息。 与搜索引擎相比，推荐系统偏向于主动去挖掘用户的各种兴趣点，并为用户推荐 包含多个兴趣点的信息，可以满足用户的个性化与多样化的需求。一个好的推荐 系统通过一次次地与用户推荐交互，能够自动为用户找到有用的信息，使用户对 其产生信任与依赖。 近年来，推荐系统已经逐渐成为互联网技术的热点，在许多领域都能看到推 荐系统的应用 HYPERLINK \l _bookmark1 [2]。推荐系统自动