基于分布式平台的个性化推荐系统研究

《基于分布式平台的个性化推荐系统研究》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、硕士学位论文基于分布式平台的个性化推荐系统研究RESEARCHONPERSONALIZEDSERVICEOFRECOMMENDATIONSYSTEMBASEDONDISTRIBUTEDPLATFORM赵松哈尔滨工业大学2015年12月国内图书分类号：TP391.01学校代码：10213国际图书分类号：004.75密级：公开工程硕士学位论文基于分布式平台的个性化推荐系统研究硕士研究生：赵松导师：叶允明教授申请学位：工程硕士学科：计算机技术所在单位：深圳研究生院答辩日期：2015年12月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP391.01U.D.C:004

2、.75DissertationfortheMaster’sDegreeofEngineeringRESEARCHONPERSONALIZEDSERVICEOFRECOMMENDATIONSYSTEMBASEDONDISTRIBUTEDPLATFORMCandidate：ZhaoSongSupervisor：Prof.YeYunmingAcademicDegreeAppliedfor：Master’sDegreeofEngineeringSpecialty：ComputerTechnologyAffiliation：ShenzhenGraduateSchoolDateofDef

3、ence：December,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要近年来，发展势头迅猛的互联网行业，极大的促进了社会发展并改善了人们的生活方式。Web的广泛使用和普及，也使得基于Web平台的网络商务交易应用模式变得愈发流行。网络商务的推广应用中最典型的一个问题就是“信息过载”，互联网信息的种类繁多，物品数量庞大，推荐技术是在大量看似散乱无关的数据中分析并提取出用户可能会关注的信息的一种策略，因此如何给予参与者更好、更快速的推荐服务体验显得尤为重要。然而，网络商

4、务交易系统规模的快速增长使得推荐系统的实施也受到了来自许多方面的挑战，其中影响其发展的几个主要问题有：特征提取问题、“冷启动”问题、数据稀疏性问题、算法可扩展性问题等等，本文将致力于解决上述几个推荐难题。在当今的社会背景下，局限于单机性能的推荐系统在面对海量规模的数据的分析和处理业务面前显得力不从心，所以迫切的需要结合云平台处理海量规模数据的并行计算特性，将传统的推荐系统的解决方案改进成适合分布式平台处理的方案才是推荐领域未来的研究发展的态势。文章重点研究和分析了三类常见的推荐技术的核心原理和方法，对比分析了协同过滤推荐模型、ContentBased模型和SlopeOne推荐

5、模型的特性，针对不同的推荐技术中存在的不足之处，提出相应的改进方法。另外从用户特性和物品特性的角度出发，尝试使用组合模型来融合不同推荐技术的优点以求最大程度的优化推荐模型。为了能够高效地处理具有大规模数据量的推荐应用，本文结合Hadoop平台高效的并行计算能力将几种改进的推荐技术实现为分布式推荐算法，并通过仿真实验与国内外相关研究工作的实验结果进行对比，验证本文改进的个性化推荐算法效果比较稳定，相对于传统的推荐算法而言更加高效、精确，同时也具有良好的可扩展性，在模拟推荐服务中有比较理想的结果。在本文最后部分，基于实验结果仿真构建了一个分布式个性化推荐系统，由Web展示层、推荐

6、引擎计算层和数据库存储层三个部分协调工作组成，模拟在线推荐和离线计算过程相分离，使得能够高精度、快速地响应用户需求。关键词：个性化推荐系统；协同过滤；Hadoop云平台；分布式推荐算法；组合推荐1哈尔滨工业大学工程硕士学位论文AbstractThedevelopmentoftheInternetleavesaprofoundimpactonenterprisesandpersonallife.WithwideuseandpopularizationofWeb,theapplicationofe-commercetransactionshadbecomeincreasingly

7、popular.Oneofthemosttypicalproblemsintheapplicationofnetworkelectroniccommerceisthe"informationoverload",inordertohelpcustomerstobetterchoosethegoodsontheInternetwhenconfrontedwithawidevarietyofInternetinformationandalargenumberofgoods,therecommendations