面向eCRM的推荐系统的设计与实现-计算机技术专业毕业论文.docxVIP

摘要 摘要 万方数据 万方数据 摘要 信息技术的发展、互联网规模的壮大和网络应用的普及，使得用户信息接 收量呈指数增长，信息过载的时代已经来临。在这样一个时代里，我们虽每天 接收着来自外界海量的信息，却不能实现目标信息的有效关联和筛选。无论是 接收信息的用户还是信息的提供者，都遭遇到前所未有的挑战。用户怎样从海 量的信息里寻找到自己所需要的目标信息，提供者如何让自己的信息被推送至 需要它们的用户那里，成为双方需要解决的共同难题。传统搜索引擎在这个时 候往往显得捉襟见肘，于是出现了推荐系统。推荐系统将用户与信息关联起来， 通过分析用户的个人喜好，帮助用户筛选、过滤信息，挑选那些可能会有用的 信息呈现给用户。 eCRM 是基于 CRM（Customer Relationship Management）并且融合了 e-Commerce（电子商务）的大数据决策支持平台。eCRM 包含了大量的产品和 用户的关系数据，将 eCRM 上的企业产品信息和用户信息进行关联，由此设计 一个基于 eCRM 大数据决策平台的推荐系统已是必然选择。通过推荐系统， eCRM 平台能够根据用户的兴趣、爱好或者和这个用户相似的用户的兴趣爱好 以及购买行为，给出合理、恰当的推荐信息，避免了用户在海量信息中选择产 品时的痛苦。通过推荐系统提供的推荐服务能够极大提高用户的满意度，增强 用户忠诚度与企业知名度，使 eCRM 能充分体现其用户关系管理的理念。 传统的推荐系统往往运行于单机之上，极大制约了推荐系统的性能，产生 推荐结果的时间不能满足用户的需要，日益增加的用户日志数据和计算量也受 限于单机系统资源的约束。本文针对推荐系统的可扩展性问题，提出了将推荐 系 统 充 分 并 行 化 的 思 想 。 在 深 入 地 研 究 Apache Hadoop 生态系统中的 MapReduce 和 HDFS 基础上，将 Hadoop 部署到基于 OpenStack 的云平台上， 并对新提出的网络推荐算法进行了 MapReduce 化，并在此基础上设计和实现了 面向 eCRM 的推荐系统的原型。本文所做的主要工作如下： 1．通过对 Hadoop 的运行机制、MapReduce 并行化编程原理、常见的推荐 算法和推荐系统、以及物质扩散算法和热传导推荐算法的详细研究，设计了网 络推荐算法的详细 MapReduce 化流程。 2．推荐系统遵循高内聚、低耦合的原则，采用模块化架构，使推荐系统的 模块相对独立，并将推荐系统部署到以 OpenStack 作为基础设施层、Hadoop 作 为平台服务层的基础平台上，从而使推荐系统拥有良好的可扩展性。 3．在 eCRM 大数据决策平台的基础上，利用 eCRM 产生的数据，采用经 过 MapReduce 化的网络推荐算法，设计出了准确度高又能满足新颖化的面向 I eCRM 的推荐系统。 关键词：eCRM，Hadoop，OpenStack，推荐系统，网络推荐算法 II Abstract Abstract Abstract As the development of information technology, the growth of the Internet and the popularity of network applications, they increase the amount of information received by users exponentially. The era of overload information is coming. In such an era, we receive the vast amounts of information from outside every day, but difficult for us to associate target information and filter them effectively. Whether to the information receiver orthe information providers, has encountered unprecedented challenges. The receiver how to find wanted information, and the provider how to put his information to right users,all whichproblems need to be solved together by the two sides. Traditional search engines are often stretched thin a