隨著移動互聯(lián)網(wǎng)的快速發(fā)展,社交網(wǎng)絡已經(jīng)深入人們的日常生活,網(wǎng)民可以隨時隨地通過社交網(wǎng)絡發(fā)表自己對周圍生活、時事熱點等的觀點看法,然而社交網(wǎng)絡海量的內容為用戶提供信息的同時,也帶來了信息過載等問題,用戶很難快速而準確地找到自己感興趣的信息,搜索引擎的被動和非智能性也越來越難以滿足用戶的需求,因此性化推薦系統(tǒng)應運而生。而在推薦系統(tǒng)中,面對的數(shù)據(jù)量往往是巨大的。為了快速響應用戶需求,本文通過HDFS、Spark和SolrCloud等大數(shù)據(jù)技術的整合,提供高可靠和高性能的分布式存儲、計算和檢索環(huán)境,提高推薦系統(tǒng)的運行效率和穩(wěn)定性。本文以社交網(wǎng)絡為背景,面對的系統(tǒng)用戶主要是相關部門的輿情分析人員,推薦其感興趣的人或主貼,幫助其及時獲取民眾關心的熱點和輿論傾向。首先介紹了課題的相關背景和意義,然后深入探討了相關的大數(shù)據(jù)技術,同時介紹了常用的推薦算法。最后結合大數(shù)據(jù)處理技術,設計實現(xiàn)了一個社交網(wǎng)絡混合推薦系統(tǒng)。本論文的主要工作內容有:1.實現(xiàn)了微博、Twitter和Facebook三個通道長期穩(wěn)定的社交網(wǎng)絡歷史信息采集程序,為社交網(wǎng)絡的輿情分析和推薦提供數(shù)據(jù)源。2.實現(xiàn)了基于社交網(wǎng)絡的混合推薦引擎。... 

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

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

HBase數(shù)據(jù)請求流程

圖 2-8 評分潛在因子基于隱語義模型的協(xié)同過濾推薦，把一個用戶-物品的評分矩陣 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 是兩個降階后的，它們是通過訓練集上的用戶-博主歷史評分記錄訓練得出。圖 2-9 隱語義模型圖示計算特征矩陣 P 和 Q，一般采用交替最小二乘法（alternating lequares）。它通過已有的用戶-博主（或話題）歷史評分矩陣，來推測每個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，可以推測系統(tǒng)用戶 u 對博主 i 的評 = i 都可以與一個 k 維的向量 來表示，每一。 向量每一維的數(shù)值代表了博主 i 擁有這

【參考文獻】：
期刊論文
[1]數(shù)據(jù)挖掘在課程與圖書個性化推薦中的應用[J]. 郭少卿,肖志雄,宋偉軒,張永佳.  科技情報開發(fā)與經(jīng)濟. 2015(12)
[2]社會化推薦系統(tǒng)研究[J]. 孟祥武,劉樹棟,張玉潔,胡勛.  軟件學報. 2015(06)
[3]一種基于混合推薦模式的圖書推薦系統(tǒng)[J]. 汪靜.  計算機光盤軟件與應用. 2014(11)
[4]新浪微博網(wǎng)信息傳播分析與預測[J]. 曹玖新,吳江林,石偉,劉波,鄭嘯,羅軍舟.  計算機學報. 2014(04)
[5]面向微博系統(tǒng)的實時個性化推薦[J]. 高明,金澈清,錢衛(wèi)寧,王曉玲,周傲英.  計算機學報. 2014(04)
[6]基于Solr的分布式全文檢索系統(tǒng)的研究與實現(xiàn)[J]. 李戴維,李寧.  計算機與現(xiàn)代化. 2012(11)
[7]推薦系統(tǒng)評價指標綜述[J]. 朱郁筱,呂琳媛.  電子科技大學學報. 2012(02)
[8]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應用. 2012(07)
[9]個性化推薦系統(tǒng)的研究進展[J]. 劉建國,周濤,汪秉宏.  自然科學進展. 2009(01)
[10]推薦系統(tǒng)研究進展及展望[J]. 劉魯,任曉麗.  信息系統(tǒng)學報. 2008(01)

博士論文
[1]面向推薦系統(tǒng)的關鍵問題研究及應用[D]. 劉士琛.中國科學技術大學 2014
[2]社交網(wǎng)絡個性化推薦方法研究[D]. 邢星.大連海事大學 2013

碩士論文
[1]基于Spark平臺的混合推薦算法的研究與實現(xiàn)[D]. 周文韜.北京交通大學 2016
[2]面向推薦的大數(shù)據(jù)計算與存儲平臺設計與實現(xiàn)[D]. 李琛軒.哈爾濱工業(yè)大學 2016
[3]基于多屬性動態(tài)權值調整的協(xié)同過濾技術研究[D]. 李姝.云南財經(jīng)大學 2016
[4]基于Spark平臺推薦系統(tǒng)研究[D]. 楊志偉.中國科學技術大學 2015
[5]基于HBase的大規(guī)模數(shù)據(jù)存儲解決方案的設計和實現(xiàn)[D]. 馬翠云.山東大學 2015
[6]基于Spark的推薦系統(tǒng)的設計與實現(xiàn)[D]. 胡于響.浙江大學 2015
[7]基于完全三部圖模型的個性化推薦技術研究[D]. 林舉.上海大學 2015
[8]基于Hadoop的推薦系統(tǒng)的設計與實現(xiàn)[D]. 鄧雄杰.華南理工大學 2013
[9]社交網(wǎng)絡數(shù)據(jù)獲取技術與實現(xiàn)[D]. 胡亞楠.哈爾濱工業(yè)大學 2011
[10]個性化推薦系統(tǒng)應用及研究[D]. 楊杰.中國科學技術大學 2009



本文編號：3430871