你好,游客 登录 注册 发布搜索
背景:
阅读新闻

[期刊]基于互联网用户特征的商品推荐系统研究:基于Hadoop和Mahout

[日期:2014-08-15] 来源:东华大学   作者:黄鹏 [字体: ]

基于互联网用户特征的商品推荐系统研究:基于Hadoop和Mahout

东华大学  黄鹏

本文的主要工作体现在以下几个方面:1)对用户冷启动问题的改进:对多维数据交叉利用方法进行扩展,并通过整合全网络用户行为的日志信息,从中挖掘用户的兴趣及偏好特征,提出了基于用户特征的推荐算法,从而在一定程度上缓解了用户冷启动问题。2)对数据稀疏性问题的改进:将商品粗粒度化方法应用到传统的协同过滤算法中,提出了改进的基于项目的协同过滤算法。该算法对商品按照品类计算相似度,在此基础上将该品类下评分最高的一些商品推荐给用户,从而在一定程度上缓解了数据稀疏性问题。3)对可扩展性问题的改进:应用MapReduce、Hive和Mahout工具,在Hadoop上实现了基于用户特征的推荐算法和改进的基于项目的协同过滤算法,完成了算法的并行化,从而在一定程度上提高了系统的可扩展性。本文将商品信息存储到HBase中,用户特征信息存储到Hive中,借助于Hive分析用户的特征,有效地解决了大数据的存储与分析问题。4)借助于Hadoop、MapReduce、Hive、HBase和Mahout等工具,设计并实现了基于用户特征的商品推荐系统原型。


基于互联网用户特征的商品推荐系统研究:基于Hadoop和Mahout

收藏 推荐 打印 | 录入:574107552 | 阅读:
相关新闻       用户特征 协同过滤 Mahout Hadoop 
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款