基于云计算的个性化推荐系统的研究

《基于云计算的个性化推荐系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、对外经济贸易大学硕士学位论文基于云计算的个性化推荐系统的研究姓名：季涛申请学位级别：硕士专业：产业经济学指导教师：黄浩201105摘要随着互联网的高速发展，人们正在享受着信息共享带来的方便与快捷。然而面对信息量的持续攀升，人们又面临着无法快速准确进行信息检索的问题。Google和百度搜索正是在这种情况下得到用户认可并得以快速发展，成为世界顶级的IT公司。搜索引擎虽然可以用来检索互联网信息，但是由于不能准确获得用户的兴趣偏好，因此检索的结果往往没有针对性。针对不同的用户，进行个性化的服务，这是客户的需求，也是互

2、联网企业一直追求的目标，对于电子商务企业来讲，更是如此。用户在网上购物，面临着成千上万的商品信息，很难找到自己中意的商品。因此如何为不同用户进行商品推荐一直是互联网企业研发的重点，个性化推荐系统正是在这种背景下应运而生。本文提出的基于云计算的个性化推荐系统，是为了应对海量用户和海量产品信息情况下的个性化推荐问题。由于电子商务企业众多的注册用户，供应商，商品种类，以及巨大的交易量和网站访问量所产生了海量数据信息，从这些信息挖掘计算出个性化推荐算法用到的用户项目矩阵和利用该矩阵进行个性化推荐计算的计算量已经接近甚

3、至超过了企业服务器能力的上限。海量数据导致利用传统的推荐算法进行个性化推荐的推荐速度越来越慢，影响用户的购物体验。鉴于云计算平台的高效数据存储和高性能计算的能力，本文提出将云计算应用于个性化推荐系统，以此来解决个性化推荐系统在面对海量数据进行数据挖掘和计算时的计算速度问题。在推荐系统推荐精度达到用户要求的情况下，企业通过提高推荐系统的推荐速度，来提升用户满意度。关键词：个性化推荐，海量数据，云计算．AbstractWiththerapiddevelopmentofInternet’peopleareenjoy

4、ingtheconvenienceofsharinginformation．However,withtheamountofinforrnationcontinuestorise，peoplealeconfrontedwithproblemsthatcannotbefast，accurateinformationretrieval．InthiscaseGoogleandBaiduberapidlyrecognizedbyusersandbecometheworld’StopITcompanies．、Ⅳllile

5、searchenginescanbeusedtoretrieveInternetinformation．becauseaccesstotheuser'sinterestCallnotbeaccuratelypreferences，SOsearchresultsareoftennottargeted．Fordifferentusers，providethepersonalizedservice，whichistheclient’Sneeds，andInternetcompaniesalSOhavebeenpur

6、suingtheobjective．USgrswhoshoppingonline，facedwiththousandsofproductinformation，itisdi伍culttofindouttheirfavoriteproducts．HowtorecommendproductsfordifferentusersoftheInternethasbeenthefocusofresearchanddevelopment,personalizedrecommendationsystemcalneintobe

7、inginthiscase．InthisPaper，thepersonalizedrecommendationsystembased011cloudcomputingist0dealwithpersonalizedrecommendationproblemwhencustomersfacedwinlmassiveuserSandproductinformation．Becausemanyoftheregi．stereduserse-commercebusinesses，suppliers，productcat

8、egory,andhugetradingvolumeandsitetrafficgeneratedmassivedatainformation，dataminingfromthosemassiveinformationclosetoorabovetheupperlimitoftheenterpriseserver．Massivedataledtothetraditionalpersonalizedr