電子商務環(huán)境下面向海量數據的個性化推薦系統(tǒng)的設計與實現.pdf

1、隨著互聯網的迅速發(fā)展，電子商務已經成功融入進人們的日常生活中，成為必不可少的一個部分。個性化推薦技術作為一種重要的信息過濾手段，目前被廣泛用于電子商務的各項應用中。然而隨著電子商務應用的用戶和商品數量逐漸增多，數據規(guī)模急遽擴大，已有的推薦系統(tǒng)在性能和執(zhí)行效率方面已逐漸落后，存在實時性差，稀疏性問題嚴重，計算效率低等缺點。
　　本文針對原有推薦技術在稀疏性、可擴展性、實時性等方面的問題，設計并實現了一個高效的個性化推薦系統(tǒng)。在推薦系

2、統(tǒng)的離線部分，本文提出了一種全新的用戶興趣度模型——個性描述樹，更準確地描述了用戶對商品的興趣度。在此模型基礎上，提出了基于最小哈希聚集的電子商務個性化推薦算法PSLH，利用哈希聚集的方式求取用戶之間的相似度以簡化計算復雜度，并將其部署到云計算環(huán)境下，采用MapReduce技術實現算法并行化，有效提高算法的計算效率和可擴展性，緩解了稀疏性問題。除此之外，本文還提出了基于商品屬性的關聯規(guī)則挖掘算法ARM，利用關聯規(guī)則挖掘技術發(fā)現商品的內在

3、相關性，從而形成推薦，實現了推薦結果的多樣性。在推薦系統(tǒng)的在線部分，本文利用web日志記錄用戶的行為，并根據最近行為形成實時推薦，有效緩解實時性問題。
　　本文所設計開發(fā)的個性化推薦系統(tǒng)被部署在東南大學云計算中心，并使用中國制造網的真實數據對系統(tǒng)進行測試，在此基礎上本文設計了Portal電子商務平臺對推薦系統(tǒng)產生的結果進行演示。測試結果表明，相對于傳統(tǒng)的推薦算法，本文開發(fā)的個性化推薦系統(tǒng)中采用的算法具有良好的推薦性能和執(zhí)行效率，完