發(fā)布時間：2018-01-05 09:48

  本文關(guān)鍵詞：云計算環(huán)境下的電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)研究　出處：《北京信息科技大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 云計算 Hadoop MapReduce 電子商務(wù) 推薦算法

【摘要】：大數(shù)據(jù)時代下,互聯(lián)網(wǎng)數(shù)據(jù)量呈爆炸式增長,如何在海量數(shù)據(jù)信息中快速獲取到有價值的信息,已經(jīng)成為一項極具挑戰(zhàn)的工作。在此背景下,電子商務(wù)推薦系統(tǒng)應(yīng)運而生,它可以挖掘出用戶的不同行為偏好,為不同用戶提供個性化的推薦服務(wù)。目前推薦技術(shù)面臨著諸多問題,如數(shù)據(jù)稀疏問題、可擴展性問題、推薦實時性問題、冷啟動問題等。云計算是基于互聯(lián)網(wǎng)的相關(guān)服務(wù)的增加、使用和交付模式,擁有強大的計算能力和存儲能力。因此本文是利用云計算技術(shù)對電子商務(wù)推薦系統(tǒng)關(guān)鍵技術(shù)進行研究改進。論文的主要研究內(nèi)容有以下三部分:(1)云計算技術(shù)分析與研究。對Hadoop集群運作原理,以及Hadoop的主要實現(xiàn)技術(shù)包括HDFS分布式文件系統(tǒng)、MapReduce編程模型和HBase數(shù)據(jù)庫等技術(shù)進行分析與研究,明確了云平臺下的推薦算法設(shè)計思路和實現(xiàn)方法。(2)算法研究。在基于云計算技術(shù)進行推薦算法改進的設(shè)計思路的基礎(chǔ)上對算法進行優(yōu)化改進,具體的實現(xiàn)步驟是利用MapReduce編程模型對算法進行分解合并操作,把算法分成必須串行計算部分和可以并行計算部分,最大化的實現(xiàn)算法的并行化計算,與此對應(yīng)若干個MapReduce作業(yè)過程,每個作業(yè)過程包括一個Map函數(shù)的分解過程和一個Reduce函數(shù)的合并過程。(3)實證研究。以Netflix數(shù)據(jù)集為數(shù)據(jù)實證研究對象,在虛擬機上搭建Hadoop集群平臺,對本文改進后的算法進行實證研究分析,選取算法的運行時間、加速比、平均絕對誤差等測試指標對算法的計算能力進行測試分析總結(jié)實驗結(jié)果。
[Abstract]:Under the era of big data, the Internet data shows explosive growth, how in the massive data rapid access to valuable information, has become a very challenging work. In this context, e-commerce recommendation system came into being, it can not dig out the peer user's preferences, to provide personalized recommendation service for different the user recommended at present technology faces many problems, such as data sparsity, scalability, real-time recommendation, cold start problem. Cloud computing is to increase the related services based on the Internet, the use and delivery mode, has powerful computing ability and storage ability. So this is the use of cloud computing technology for electronic the key technology of Commerce recommendation system is studied. The main contents of this paper are the following three parts: (1) cloud computing technology analysis and research group. Operation principle of Hadoop set in Including the HDFS distributed file system to achieve the main technology and Hadoop, analysis and Research on MapReduce programming model and HBase database technology, the recommendation algorithm design ideas and realization method of cloud platform. (2) algorithm. Based on cloud computing technology based on the design idea of algorithm improvement on the algorithm optimization improvement of the specific implementation steps of algorithm is to decompose the merge operation using the MapReduce programming model, the algorithm must be divided into serial computation part and can realize parallel computing, algorithm and maximization of calculation, and this corresponds to a number of MapReduce operations, each operation process including the merger process decomposition process of a Map function and a Reduce function. (3) empirical research. Based on Netflix data sets as the research object of empirical data, set up in the virtual machine cluster on Hadoop platform In this paper, the improved algorithm is empirically researched and analyzed, and the algorithm's running time, speedup ratio, average absolute error and other test indexes are selected to test and analyze the computing power of the algorithm, and the experimental results are summarized.

【學位授予單位】：北京信息科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.3;F724.6

【參考文獻】

相關(guān)期刊論文 前10條

1 劉壽強;祁明;;基于Hadoop云平臺的社交大數(shù)據(jù)協(xié)同過濾個性化推薦的研究與實現(xiàn)[J];現(xiàn)代計算機(專業(yè)版);2016年32期

2 黃春華;寇偉;;電子商務(wù)個性化推薦系統(tǒng)綜述[J];商;2015年43期

3 馬瑞敏;卞藝杰;陳超;吳慧;;基于Hadoop的電子商務(wù)個性化推薦算法——以電影推薦為例[J];計算機系統(tǒng)應(yīng)用;2015年05期

4 田久樂;;基于協(xié)同過濾的電子商務(wù)個性化推薦算法分析[J];軟件導刊;2014年06期

5 何清;李寧;羅文娟;史忠植;;大數(shù)據(jù)下的機器學習算法綜述[J];模式識別與人工智能;2014年04期

6 Nan Zhu;Xue Liu;Jie Liu;Yu Hua;;Towards a Cost-Efficient MapReduce:Mitigating Power Peaks for Hadoop Clusters[J];Tsinghua Science and Technology;2014年01期

7 李鵬飛;吳為民;;基于混合模型推薦算法的優(yōu)化[J];計算機科學;2014年02期

8 李文海;許舒人;;基于Hadoop的電子商務(wù)推薦系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機工程與設(shè)計;2014年01期

9 孫莉;何剛;李繼云;;基于Hadoop平臺的事實并行處理算法[J];計算機工程;2014年03期

10 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

相關(guān)博士學位論文 前1條

1 李聰;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

相關(guān)碩士學位論文 前9條

1 徐江輝;基于Hadoop的聚類協(xié)同過濾推薦算法研究及應(yīng)用[D];湖南大學;2016年

2 胡一;基于大數(shù)據(jù)的電子商務(wù)個性化信息推薦服務(wù)模式研究[D];吉林大學;2015年

3 孫世文;基于關(guān)聯(lián)規(guī)則和聚類分析的個性化推薦系統(tǒng)的研究與實現(xiàn)[D];吉林大學;2015年

4 黃喬;電子商務(wù)推薦系統(tǒng)中協(xié)同過濾算法的改進與研究[D];中北大學;2013年

5 徐小偉;基于信任的協(xié)同過濾推薦算法在電子商務(wù)推薦系統(tǒng)的應(yīng)用研究[D];東華大學;2013年

6 陳諾言;基于個性化推薦引擎組合的推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學;2012年

7 汪永強;社會化網(wǎng)絡(luò)中的推薦算法及其應(yīng)用[D];上海交通大學;2012年

8 張學勝;面向數(shù)據(jù)稀疏的協(xié)同過濾推薦算法研究[D];中國科學技術(shù)大學;2011年

9 委鑫;基于FP樹的關(guān)聯(lián)規(guī)則挖掘算法研究[D];西安電子科技大學;2010年

，

本文編號：1382587