面向搜索应用的分布式协同过滤推荐技术研究

发布时间：2017-12-08 23:08

  本文关键词：面向搜索应用的分布式协同过滤推荐技术研究

  更多相关文章： 协同过滤推荐算法 分布式计算 MapReduce HDFS ElasticSearch

【摘要】：互联网的飞速发展,使得信息获取、传播的规模达到了空前的水平,伴随着信息超载,从海量数据中找到需要的愈发困难。信息检索技术的出现缓解了这一问题,而针对不同的应用场景,用户需求不明确或无法提炼需求关键词时,信息检索技术显得无能为力,由此推荐技术应运而生。深入研究搜索技术原理和推荐机制,有效结合二者,简化推荐过程,优化搜索推荐准确度。本文主要研究工作及贡献如下:(1)设计面向搜索应用的协同推荐系统框架:包括离线和在线两部分,离线部分主要由推荐引擎和检索数据库构成,在线部分通过结合检索数据库整合了搜索服务,并提供了推荐模型的封装应用。(2)研究3种典型协同过滤推荐算法:包括mahout中User-based、Itembased和Slope-One算法;通过实验评估,基于Item-based算法优化的Slope-One推荐算法的推荐结果准确和高效,实现相对简单。(3)实现分布式协同推荐引擎:包括基于MapReduce计算框架优化mahout中的Item-based算法;通过指标模型的优化,实现基于电影数据源的相似计算并行处理,提高推荐效率;并通过实验对比分析了单机和分布式环境下引擎的数据处理能力。(4)实现基于电商应用的推荐服务:包括推荐模型的封装构建和结合ElasticSearch搜索引擎应用;实现与电商平台底层数据交换的模块间的解耦和分离,在不影响其他网站正常功能的情况下,加入推荐系统模块。结合搜索引擎ElasticSearch,合理优化搜索字段标识符,完善推荐过程,降低推荐误差。
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.3

【参考文献】

中国期刊全文数据库 前10条

1 胡惠成;陈平华;;一种融合隐式信任关系的推荐算法[J];广东工业大学学报;2017年03期

2 冯蓓蓓;;个性化推荐系统综述[J];科技展望;2017年12期

3 文勇军;吴冬冬;王键;唐立军;;Spark平台下教育资源个性化推荐研究[J];智能计算机与应用;2017年02期

4 孙晓娟;千博;王圣涛;;基于协同过滤算法的IT书籍推荐系统设计与实现[J];软件导刊;2017年04期

5 尚松涛;石民勇;尚文倩;洪志国;;基于大数据的微视频推荐算法研究[J];中国传媒大学学报(自然科学版);2017年02期

6 朱明;魏慧琴;;基于项目属性偏好的协同过滤算法[J];计算机与现代化;2017年04期

7 兰艳;曹芳芳;;面向电影推荐的时间加权协同过滤算法的研究[J];计算机科学;2017年04期

8 陈南平;;一种改进的个性化协同推荐算法研究[J];软件导刊;2017年03期

9 董海峰;刘科材;;基于Hadoop和Mahout的网上优惠信息聚合平台[J];福建电脑;2017年03期

10 张素智;赵亚楠;杨芮;;推荐系统研究[J];湖北民族学院学报(自然科学版);2017年01期

中国硕士学位论文全文数据库 前3条

1 李状;基于Hadoop的协同过滤推荐算法的设计与实现[D];南京邮电大学;2016年

2 杨思吉;基于Mahout框架的协同过滤推荐引擎的研究与实现[D];华南理工大学;2013年

3 陶红亮;双向聚类迭代的协同过滤推荐算法[D];江西师范大学;2007年

，

本文编号：1268175