基于Hadoop的推薦算法的研究與應用.pdf

1、隨著互聯(lián)網的飛速發(fā)展和互聯(lián)網信息爆炸式的增長，推薦系統(tǒng)越來越受到人們的關注。微博，作為今后互聯(lián)網發(fā)展方向的一個重要的代表模式，已經成為了許多人最重要的溝通、營銷工具。微博用戶規(guī)模巨大且還在繼續(xù)增長，產生的海量微博數(shù)據(jù)的處理和利用，成為一個熱門的研究課題，而對這些海量的微博數(shù)據(jù)重要的應用之一，就是基于微博用戶數(shù)據(jù)的推薦。
　　本文將在著重討論與研究相關的海量數(shù)據(jù)處理技術的同時，研究與設計一個新的微博數(shù)據(jù)推薦應用——“根據(jù)用戶興趣推薦

2、關注”，論文的主要工作如下:
　　首先，研究與討論了信息服務個性化的需求和推薦系統(tǒng)及其常用技術，包括信息檢索技術及信息過濾技術。在信息過濾技術的介紹中，重點闡述了基于內容的過濾技術和協(xié)同過濾技術的算法思想和各自的優(yōu)缺點。
　　其次，本文研究與討論了基于Google三大核心技術原理而實現(xiàn)的一個優(yōu)秀的開源項目:Hadoop項目，主要涉及到了相關的Hadoop Map Reduce架構，HBase文件存儲，HDFS分布式文件系統(tǒng)。

3、
　　最后，對基于MapReduce進行算法改進的基本原則和技巧進行了研究，然后對推薦系統(tǒng)中常用的基于內容的推薦算法進行了詳細分析，并闡述了基于MapReduce的算法改進;設計了一個基于Hadoop的微博用戶推薦系統(tǒng)，介紹了該系統(tǒng)的設計思路、體系結構和數(shù)據(jù)結構，并對基于用戶個人資料、基于微博內容、基于用戶關注關系的推薦算法思路進行了詳細闡述。
　　實驗表明，論文設計的微博用戶推薦系統(tǒng)，可以幫助用戶找到不易被發(fā)現(xiàn)的具有相同或