基于大数据技术的个性化推荐系统的设计与实现

《基于大数据技术的个性化推荐系统的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于大数据技术的个性化推荐系统的设计与实现乔岚宁夏财经职业技术学院笔者在全面研宂个性化推荐系统的相关理论的基础上，借助大数据工具Iladoop,从数据的源头出发，设计一套针对电子商务平台的个性化推荐系统方案，并将其应用于零售电子商务系统中，从而满足客户在网络平台选购商品时快速便捷地找到喜爱商品的需求。笔者采用协同过滤、内容过滤和数据挖掘技术针对电子商务平台设计一套个性化电子商务推荐系统，在对电子商务平台进行需求分析和可行性分析的基础上，着重从总体架构和逻辑架构两个方面进行/个性化推荐系统的设计，并从用户行为提取和分析模块、相关推荐模块、过滤和排名模块以及推荐解释模块四

2、个方面来实现功能。关键词：人数据技术;个性化;推荐系统;顾客行为;研究方向:计算机应用。基金：基金项目：“基于宁夏地区电子商务产业布局及发展模式的人才培养方案研宄”(No.NGY2017276)DesignandImplementationofPersonalizedRecommenderSystembasedonBigDataTechnologyQiaoLanNingxiaFinance&EconomicsVocationalCollege;Abstract：Basedonacomprehensivestudyoftherelatedtheoryofpersonal

3、izedrecommendationsystemandusingthebigdatatoolHadoop,theauthordesignsasetofpersonalizedrecommendationsystemfore-commerceplatformfromthesourceofdataandappliesittotheretaile-commercesysteminordertomeetthecustomers’demandforgoodsandproductsquicklyandeasilyinthenetworkplatform.Theauthoruses

4、collaborativefilteringandcontent-basedfilteringanddataminingtechnologyine-commerceplatformtodesignapersonalizede-commercerecommendationsystem,basedontheanalysisoftherequirementsandfeasibilityofe-commerceplatform,mainlyfromthetwoaspectsoftheoverallstructureandlogicstructureofthepersonali

5、zedrecommendationsystem,andfromtheextractionandanalysisofuserbehaviortherelevantrecommendationmodule,module,filteringandrankingmoduleandrecommendedexplainfouraspectstorealizethefunctionmodule.Keyword：bigdatatechnology;personalization;recommendersystem;customerbehavior;1绪论随着电子商务的建立和不断发展，

6、各种品牌的商品不断在线上呈现，客户在购买商品时的可选择性也逐渐提高，但是这样造成了部分用户的选择困惑，需要花费更多的时间冰能选择到需耍的商品。调查反映，那些购买商品目的不太明确的客户浏览电子商务平台时会显得十分迷茫。为了解决这些问题就需要在电子商务平台上搭建开发一套个性化推荐系统，以帮助电商平台为其顾客购物提供完全个性化的决策支持和信息服务。设计和实现电商平台个性化推荐系统主要为了收集用户特征资料并根据用户特征和兴趣偏好，为客户提供个性化的商品推荐。电子商务推荐系统是一种提升电子商务零售网站整体营销性能的个性化推荐工具。2个性化推荐系统需求分析随着电商平台商品信息量的

7、日益增加、客户需求的差别化，在电子商务环境下如何构建有效的系统在恰当的时间向恰当的客户推荐恰当的商品或服务信息显得尤为重要。构建个性化推荐系统就是要向来到电商平台购买商品的客户推荐其喜爱的商品。而在此过程屮个性化推荐系统需要做到的就是根据用户在平台上留下的信息，自动分析客户喜好，并且主动推荐个性化的商品。因此，电商平台个性化推荐系统应具备以下功能。2.1抓取用户信息个性化推荐系统的主要任务是商品推荐，而进行个性化推荐的前提和资料来源于客户的信息，针对不同客户作出不同的推荐选择。例如，不冋注册用户信息的判断、浏览记录的记忆、己购买订单的排除等，这些原始