本文關鍵詞：基于Hadoop的推薦系統(tǒng)研究與應用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的日益發(fā)展,手機、平板電腦等智能終端的出現(xiàn),人們在工作和生活中越來越依賴網(wǎng)絡,同時也產(chǎn)生大量的數(shù)據(jù)文件,對于如此海量的數(shù)據(jù),加之用戶有時不能清晰的表達查詢意圖,使得用戶很難快速、準確的找出所需要的信息,為此學者們進行了許多相關的研究,其中有效的技術方案主要包括搜索引擎中的查詢推薦算法和基于偏好的推薦系統(tǒng)。查詢推薦算法通過構造一組與原查詢詞相關的查詢詞幫助用戶明確查詢意圖。推薦系統(tǒng)以用戶行為、偏好作為依據(jù),主動為用戶推薦符合其偏好的信息。由于用戶數(shù)量、數(shù)據(jù)規(guī)模的快速增長,而傳統(tǒng)推薦算法以單機運行為主,計算復雜度普遍較高,計算難度大,已經(jīng)不能滿足海量數(shù)據(jù)推薦計算的需求,產(chǎn)生了推薦時間緩慢、準確率下降等一系列問題。為了更好的解決推薦算法的可擴展性、準確性問題,本文在深入研究HDFS分布式系統(tǒng)和MapReduce編程思想的基礎上,針對近年來提出的網(wǎng)絡推薦算法,分別提出了查詢推薦算法和基于偏好的協(xié)同過濾推薦算法在MapReduce編程模型下的分布式并行化算法,并設計和實現(xiàn)了一個基于Hadoop的電影推薦原型系統(tǒng)。主要工作內容如下:首先,介紹了推薦算法和云計算方面國內外的研究現(xiàn)狀,然后重點闡述了推薦系統(tǒng)及主流協(xié)同過濾算法,具體分析了Hadoop相關技術,為基于Hadoop的并行化算法提供了理論依據(jù)。然后,針對搜索引擎中的查詢推薦算法,提出了基于Hadoop的最小生成樹聚類算法來實現(xiàn)查詢推薦,通過一系列測試和結果分析驗證了算法在集群上具有良好的并行性和擴展性。在基于偏好的推薦系統(tǒng)方面,提出了基于奇異值分解的協(xié)同過濾算法并行化改進與優(yōu)化方案,通過實驗證明改進方法可以進一步提高算法的效率和準確率。最后,在MovieLens數(shù)據(jù)集基礎上,結合本文提出的分布式推薦算法,設計、實現(xiàn)和部署了基于Hadoop的電影推薦原型系統(tǒng),通過測試系統(tǒng)能夠正常運行和使用,充分體現(xiàn)了云計算與推薦算法結合的優(yōu)勢。
【關鍵詞】：推薦系統(tǒng) Hadoop 查詢推薦 協(xié)同過濾
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-13
• 1.1 課題背景及意義9-10
• 1.2 國內外研究現(xiàn)狀10-11
• 1.3 課題主要的研究內容11
• 1.4 論文的組織結構11-13
• 第2章 相關技術基礎13-24
• 2.1 推薦系統(tǒng)綜述13-19
• 2.1.1 推薦系統(tǒng)的定義13-14
• 2.1.2 推薦算法介紹14-16
• 2.1.3 推薦系統(tǒng)的應用16-19
• 2.2 Hadoop體系架構19-23
• 2.2.1 Hadoop簡介19-20
• 2.2.2 HDFS分布式文件系統(tǒng)20-21
• 2.2.3 Map Reduce編程模型21
• 2.2.4 云存儲系統(tǒng)結構21-23
• 2.3 本章小結23-24
• 第3章 基于Hadoop的最小生成樹查詢推薦算法24-32
• 3.1 基于分布式MST的查詢推薦方法24-26
• 3.1.1 算法步驟24
• 3.1.2 構造二分圖24
• 3.1.3 相似度計算24-25
• 3.1.4 并行最小生成樹聚類算法25-26
• 3.2 基于Map Reduce的分布式算法實現(xiàn)26-29
• 3.2.1 基于Map Reduce構造搜索詞-鏈接地址二分圖26-27
• 3.2.2 基于Map Reduce構造全局帶權無向圖27-28
• 3.2.3 計算帶權無向圖的最小生成樹28-29
• 3.3 實驗結果及分析29-31
• 3.3.1 數(shù)據(jù)集29
• 3.3.2 實驗結果分析29-31
• 3.4 本章小結31-32
• 第4章 基于Hadoop的PSVD協(xié)同過濾算法32-37
• 4.1 基于奇異值分解的協(xié)同過濾算法32
• 4.2 基于SVD的協(xié)同過濾算法并行化32-34
• 4.3 實驗結果及分析34-36
• 4.3.1 數(shù)據(jù)集34
• 4.3.2 評價指標34-35
• 4.3.3 實驗分析35-36
• 4.4 本章小結36-37
• 第5章 基于Hadoop的原型推薦系統(tǒng)設計與實現(xiàn)37-43
• 5.1 Hadoop云計算平臺與開發(fā)環(huán)境的搭建與配置37-38
• 5.2 原型系統(tǒng)設計38-40
• 5.2.1 系統(tǒng)結構設計38
• 5.2.2 系統(tǒng)模塊設計38-40
• 5.3 原型系統(tǒng)實現(xiàn)40-42
• 5.3.1 查詢推薦功能實現(xiàn)40
• 5.3.2 用戶輸入功能實現(xiàn)40-41
• 5.3.3 偏好推薦功能實現(xiàn)41-42
• 5.4 本章小結42-43
• 第6章 總結與展望43-44
• 6.1 本文總結43
• 6.2 未來的工作43-44
• 參考文獻44-47
• 攻讀碩士學位期間發(fā)表的論文及其它成果47-48
• 致謝48

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學推薦系統(tǒng)的設計與實現(xiàn)[J];計算機應用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡推薦系統(tǒng)[J];電子商務;2007年10期

6 李媚;;個性化網(wǎng)絡學習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟學模型的推薦系統(tǒng)的研究[J];計算機應用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領域的應用[J];硅谷;2011年21期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術轉移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術與應用學術會議論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術大學;2007年

2 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

3 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

4 王立才;上下文感知推薦系統(tǒng)若干關鍵技術研究[D];北京郵電大學;2012年

5 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術大學;2014年

6 李濤;推薦系統(tǒng)中若干關鍵問題研究[D];南京航空航天大學;2009年

7 劉士琛;面向推薦系統(tǒng)的關鍵問題研究及應用[D];中國科學技術大學;2014年

8 李方方;非獨立同分布推薦系統(tǒng)研究[D];北京理工大學;2014年

9 李曉建;基于語義的個性化資源推薦系統(tǒng)中關鍵技術研究[D];武漢大學;2010年

10 張堯;B2C環(huán)境下用戶感知可信的推薦系統(tǒng)理論及其關鍵方法研究[D];哈爾濱工業(yè)大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 朱孔真;基于云計算的電子商務智能推薦系統(tǒng)研究[D];武漢理工大學;2014年

2 郭敬澤;基于賦權評分和Dpark的分布式推薦系統(tǒng)研究與實現(xiàn)[D];天津理工大學;2015年

3 周俊宇;信息推薦系統(tǒng)的研究與設計[D];江南大學;2015年

4 李煒;基于電子商務平臺的保險推薦系統(tǒng)的設計與實現(xiàn)[D];復旦大學;2013年

5 車豐;基于排序主題模型的論文推薦系統(tǒng)[D];大連海事大學;2015年

6 秦大路;基于因式分解機模型的上下文感知推薦系統(tǒng)研究[D];鄭州大學;2015年

7 徐霞婷;動態(tài)路網(wǎng)監(jiān)控與導航推薦系統(tǒng)的設計與實現(xiàn)[D];蘇州大學;2015年

8 黃學峰;基于Hadoop的電影推薦系統(tǒng)研究與實現(xiàn)[D];南京師范大學;2015年

9 路小瑞;基于Hadoop平臺的職位推薦系統(tǒng)的設計與實現(xiàn)[D];上海交通大學;2015年

10 李愛寶;基于組合消費行為分析的團購推薦系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

  本文關鍵詞：基于Hadoop的推薦系統(tǒng)研究與應用，，由筆耕文化傳播整理發(fā)布。

本文編號：324642