隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展,社交網(wǎng)絡(luò)已經(jīng)深入人們的日常生活,網(wǎng)民可以隨時(shí)隨地通過(guò)社交網(wǎng)絡(luò)發(fā)表自己對(duì)周圍生活、時(shí)事熱點(diǎn)等的觀點(diǎn)看法,然而社交網(wǎng)絡(luò)海量的內(nèi)容為用戶提供信息的同時(shí),也帶來(lái)了信息過(guò)載等問(wèn)題,用戶很難快速而準(zhǔn)確地找到自己感興趣的信息,搜索引擎的被動(dòng)和非智能性也越來(lái)越難以滿足用戶的需求,因此性化推薦系統(tǒng)應(yīng)運(yùn)而生。而在推薦系統(tǒng)中,面對(duì)的數(shù)據(jù)量往往是巨大的。為了快速響應(yīng)用戶需求,本文通過(guò)HDFS、Spark和SolrCloud等大數(shù)據(jù)技術(shù)的整合,提供高可靠和高性能的分布式存儲(chǔ)、計(jì)算和檢索環(huán)境,提高推薦系統(tǒng)的運(yùn)行效率和穩(wěn)定性。本文以社交網(wǎng)絡(luò)為背景,面對(duì)的系統(tǒng)用戶主要是相關(guān)部門的輿情分析人員,推薦其感興趣的人或主貼,幫助其及時(shí)獲取民眾關(guān)心的熱點(diǎn)和輿論傾向。首先介紹了課題的相關(guān)背景和意義,然后深入探討了相關(guān)的大數(shù)據(jù)技術(shù),同時(shí)介紹了常用的推薦算法。最后結(jié)合大數(shù)據(jù)處理技術(shù),設(shè)計(jì)實(shí)現(xiàn)了一個(gè)社交網(wǎng)絡(luò)混合推薦系統(tǒng)。本論文的主要工作內(nèi)容有:1.實(shí)現(xiàn)了微博、Twitter和Facebook三個(gè)通道長(zhǎng)期穩(wěn)定的社交網(wǎng)絡(luò)歷史信息采集程序,為社交網(wǎng)絡(luò)的輿情分析和推薦提供數(shù)據(jù)源。2.實(shí)現(xiàn)了基于社交網(wǎng)絡(luò)的混合推薦引擎。... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

HBase數(shù)據(jù)請(qǐng)求流程

圖 2-8 評(píng)分潛在因子基于隱語(yǔ)義模型的協(xié)同過(guò)濾推薦，把一個(gè)用戶-物品的評(píng)分矩陣 R 分解戶隱在偏好因子矩陣 P 和物品隱在屬性因子矩陣 QT的乘積。如圖 2-9 所中用戶隱在興趣因子矩陣 P 和物品隱在屬性因子矩陣 Q 是兩個(gè)降階后的，它們是通過(guò)訓(xùn)練集上的用戶-博主歷史評(píng)分記錄訓(xùn)練得出。圖 2-9 隱語(yǔ)義模型圖示計(jì)算特征矩陣 P 和 Q，一般采用交替最小二乘法（alternating lequares）。它通過(guò)已有的用戶-博主（或話題）歷史評(píng)分矩陣，來(lái)推測(cè)每個(gè)用喜好特征和博主或話題的屬性特征，然后向用戶推薦感興趣的適合的博主

- 15 -圖 2-9 隱語(yǔ)義模型圖示陣 P 和 Q，一般采用交替最小二乘法已有的用戶-博主（或話題）歷史評(píng)分矩陣主或話題的屬性特征，然后向用戶推薦感興式 2-5，可以推測(cè)系統(tǒng)用戶 u 對(duì)博主 i 的評(píng) = i 都可以與一個(gè) k 維的向量 來(lái)表示，每一。 向量每一維的數(shù)值代表了博主 i 擁有這

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)挖掘在課程與圖書(shū)個(gè)性化推薦中的應(yīng)用[J]. 郭少卿,肖志雄,宋偉軒,張永佳.  科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì). 2015(12)
[2]社會(huì)化推薦系統(tǒng)研究[J]. 孟祥武,劉樹(shù)棟,張玉潔,胡勛.  軟件學(xué)報(bào). 2015(06)
[3]一種基于混合推薦模式的圖書(shū)推薦系統(tǒng)[J]. 汪靜.  計(jì)算機(jī)光盤軟件與應(yīng)用. 2014(11)
[4]新浪微博網(wǎng)信息傳播分析與預(yù)測(cè)[J]. 曹玖新,吳江林,石偉,劉波,鄭嘯,羅軍舟.  計(jì)算機(jī)學(xué)報(bào). 2014(04)
[5]面向微博系統(tǒng)的實(shí)時(shí)個(gè)性化推薦[J]. 高明,金澈清,錢衛(wèi)寧,王曉玲,周傲英.  計(jì)算機(jī)學(xué)報(bào). 2014(04)
[6]基于Solr的分布式全文檢索系統(tǒng)的研究與實(shí)現(xiàn)[J]. 李戴維,李寧.  計(jì)算機(jī)與現(xiàn)代化. 2012(11)
[7]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[8]個(gè)性化推薦系統(tǒng)綜述[J]. 王國(guó)霞,劉賀平.  計(jì)算機(jī)工程與應(yīng)用. 2012(07)
[9]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國(guó),周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)
[10]推薦系統(tǒng)研究進(jìn)展及展望[J]. 劉魯,任曉麗.  信息系統(tǒng)學(xué)報(bào). 2008(01)

博士論文
[1]面向推薦系統(tǒng)的關(guān)鍵問(wèn)題研究及應(yīng)用[D]. 劉士琛.中國(guó)科學(xué)技術(shù)大學(xué) 2014
[2]社交網(wǎng)絡(luò)個(gè)性化推薦方法研究[D]. 邢星.大連海事大學(xué) 2013

碩士論文
[1]基于Spark平臺(tái)的混合推薦算法的研究與實(shí)現(xiàn)[D]. 周文韜.北京交通大學(xué) 2016
[2]面向推薦的大數(shù)據(jù)計(jì)算與存儲(chǔ)平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D]. 李琛軒.哈爾濱工業(yè)大學(xué) 2016
[3]基于多屬性動(dòng)態(tài)權(quán)值調(diào)整的協(xié)同過(guò)濾技術(shù)研究[D]. 李姝.云南財(cái)經(jīng)大學(xué) 2016
[4]基于Spark平臺(tái)推薦系統(tǒng)研究[D]. 楊志偉.中國(guó)科學(xué)技術(shù)大學(xué) 2015
[5]基于HBase的大規(guī)模數(shù)據(jù)存儲(chǔ)解決方案的設(shè)計(jì)和實(shí)現(xiàn)[D]. 馬翠云.山東大學(xué) 2015
[6]基于Spark的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 胡于響.浙江大學(xué) 2015
[7]基于完全三部圖模型的個(gè)性化推薦技術(shù)研究[D]. 林舉.上海大學(xué) 2015
[8]基于Hadoop的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 鄧雄杰.華南理工大學(xué) 2013
[9]社交網(wǎng)絡(luò)數(shù)據(jù)獲取技術(shù)與實(shí)現(xiàn)[D]. 胡亞楠.哈爾濱工業(yè)大學(xué) 2011
[10]個(gè)性化推薦系統(tǒng)應(yīng)用及研究[D]. 楊杰.中國(guó)科學(xué)技術(shù)大學(xué) 2009



本文編號(hào)：3430871