基于RHadoop云平臺(tái)的推薦系統(tǒng)的研究與設(shè)計(jì).pdf

1、近年來(lái)，互聯(lián)網(wǎng)技術(shù)及其規(guī)模的發(fā)展突飛猛進(jìn)，由此產(chǎn)生的海量數(shù)據(jù)使人們不得不面對(duì)“信息過(guò)載”的問(wèn)題，而推薦系統(tǒng)的出現(xiàn)提供了很好的解決方案，通過(guò)推薦系統(tǒng)不僅可以使用戶能夠找到滿足自身個(gè)性化需求的信息，而且這些信息也可以及時(shí)、準(zhǔn)確地推送給出現(xiàn)這些用戶。然而，大數(shù)據(jù)時(shí)代的隨之而來(lái)，使得傳統(tǒng)的推薦系統(tǒng)在面對(duì)大數(shù)據(jù)的存儲(chǔ)和處理以及日益增長(zhǎng)的用戶個(gè)性化服務(wù)需求的時(shí)候顯得有些捉襟見(jiàn)肘。
　　本文針對(duì)推薦系統(tǒng)對(duì)大數(shù)據(jù)存儲(chǔ)和處理的問(wèn)題，結(jié)合目前使用廣泛

2、的Hadoop分布式云計(jì)算技術(shù)和致力于數(shù)據(jù)挖掘分析的R語(yǔ)言，可以將現(xiàn)有的推薦系統(tǒng)進(jìn)行分布式并行化。通過(guò)對(duì)Apache Hadoop生態(tài)系統(tǒng)以及R語(yǔ)言深入的研究，根據(jù)Hadoop生態(tài)系統(tǒng)中的HDFS為海量數(shù)據(jù)提供動(dòng)態(tài)存儲(chǔ)空間的特點(diǎn)和MapReduce模型提供分布式并行計(jì)算的特點(diǎn)，以及R語(yǔ)言提供的數(shù)據(jù)挖掘分析的特點(diǎn)建立Hadoop與R語(yǔ)言結(jié)合的RHadoop云計(jì)算平臺(tái)。在此基礎(chǔ)上研究與設(shè)計(jì)了基于RHadoop云平臺(tái)的推薦系統(tǒng)，將推薦系統(tǒng)在R

3、Hadoop云計(jì)算平臺(tái)上進(jìn)行實(shí)現(xiàn)，不僅提高了推薦系統(tǒng)中大規(guī)模數(shù)據(jù)的存儲(chǔ)和處理能力，而且也可以滿足用戶越來(lái)越個(gè)性化的服務(wù)需求，充分體現(xiàn)了云計(jì)算與推薦系統(tǒng)結(jié)合的優(yōu)勢(shì)，從而為解決現(xiàn)有推薦系統(tǒng)中的不足提出了研究方案。這篇文章主要是對(duì)基于RHadoop云計(jì)算平臺(tái)的推薦系統(tǒng)進(jìn)行設(shè)計(jì)與研究，所做的主要工作內(nèi)容如下：首先，通過(guò)對(duì)Hadoop和其包含的子項(xiàng)目以及R語(yǔ)言的功能特點(diǎn)進(jìn)行深入的研究，在此基礎(chǔ)上根據(jù)兩者的特點(diǎn)，將Hadoop與R語(yǔ)言進(jìn)行結(jié)合，構(gòu)建

4、RHadoop云計(jì)算平臺(tái)；其次，在對(duì)MapReduce分布式并行化編程原理和推薦系統(tǒng)研究的基礎(chǔ)上，不僅將典型的協(xié)同過(guò)濾推薦算法在RHadoop平臺(tái)上進(jìn)行設(shè)計(jì)與實(shí)現(xiàn)，而且通過(guò)對(duì)強(qiáng)化學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)算法的研究，將強(qiáng)化學(xué)習(xí)算法在RHadoop云平臺(tái)進(jìn)行了研究與設(shè)計(jì)，從而提高推薦系統(tǒng)的性能；最后，通過(guò)對(duì)推薦系統(tǒng)進(jìn)行需求分析以及基本結(jié)構(gòu)和各個(gè)組成模塊的研究與設(shè)計(jì)，并結(jié)合RHadoop云平臺(tái)的特點(diǎn)，將推薦系統(tǒng)在RHadoop云計(jì)算平臺(tái)上進(jìn)行研究部署