|
|||||
|
|
| 基于Hadoop分布式个性化推荐算法的设计与实现 | |
| 摘 要： | 电子商务系统随着用户和商品的不断增加,会出现信息过载的问题。用户会浏览到一些与自己购买商品无关的商品,影响用户的购物体验,会造成用户的流失,降低平台的转化率。因此,要想增加用户的黏度,就需要提供一些个性化的服务。为了解决电子商务系统个性化的推荐问题,本文研究了基于Hadoop生态平台构建立的个性化推荐系统。采用Map Reduce离线计算框架实现大数据的集群计算,提高系统的伸缩性和计算性能。采用协同过滤和用户特征标签的融合的算法,提高推荐的精准度。实验的结果表明,在Hadoop平台上可以实现分布式的离线计算,产生个性化的推荐结果,克服了传统爆款模型推荐的单一性,提高了推荐质量。 |
| 本文献已被 CNKI 等数据库收录！ | |