基于Hadoop的電子商務(wù)個性化推薦研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，人類社會進(jìn)入了云計算時代，云計算時代個性化和差異化已經(jīng)成為企業(yè)的核心競爭力，電子商務(wù)的興起實(shí)現(xiàn)了從“以產(chǎn)品為中心”向“以客戶為中心”的消費(fèi)模式的轉(zhuǎn)變，極大地提高了用戶和企業(yè)之間的交易效率。然而電子商務(wù)在為用戶提供快捷便利的服務(wù)時，用戶和商品數(shù)量正以指數(shù)級別遞增，由此引發(fā)信息超載和信息迷航，為使用戶在互聯(lián)網(wǎng)中能更便捷地獲取所需信息，電子商務(wù)個性化推薦系統(tǒng)由此產(chǎn)生，它根據(jù)用戶的興趣偏好及購物習(xí)慣向其推薦感興趣的商品。電

2、子商務(wù)網(wǎng)站使用個性化推薦系統(tǒng)分析用戶的興趣偏好，幫助用戶從龐大的商品目錄中挑選真正適合自己需要的商品，為每個用戶提供個性化服務(wù)。在很多電子商務(wù)個性化推薦技術(shù)中，作為當(dāng)今運(yùn)用最廣泛、最成功的推薦策略，協(xié)同過濾推薦算法對電子商務(wù)個性化推薦系統(tǒng)性能的優(yōu)劣至關(guān)重要。但是傳統(tǒng)的協(xié)同過濾推薦算法存在稀疏性高、可擴(kuò)展性和實(shí)時性差等問題，導(dǎo)致電子商務(wù)個性化推薦系統(tǒng)無法為用戶提供高效的推薦服務(wù)。
　　因此，針對協(xié)同過濾推薦算法中存在的稀疏性、可擴(kuò)展

3、性和實(shí)時性等問題，本文設(shè)計了一種基于Hadoop的電子商務(wù)個性化推薦算法，利用Hadoop云計算平臺所擁有的強(qiáng)大計算及存儲能力對基于項(xiàng)目的協(xié)同過濾推薦算法予以改進(jìn)。首先根據(jù)用戶的評分使用Canopy算法進(jìn)行聚類預(yù)處理，將項(xiàng)目集合中的全部項(xiàng)目迅速劃分到不同的Canopy中并生成相應(yīng)的聚類中心。其次，按照Canopy聚類中心集合使用FCM算法對項(xiàng)目集合中的每個項(xiàng)目迭代求出其相對于各個聚類的隸屬度和聚類中心，并根據(jù)最大隸屬度原則確定每個項(xiàng)目所

4、屬的聚類，從而得到最終的聚類集合。再次，在Canopy-FCM聚類算法上根據(jù)目標(biāo)項(xiàng)目與所有聚類中心之間的相似度，選擇相似度最高的前若干個聚類中的項(xiàng)目構(gòu)建目標(biāo)項(xiàng)目的推薦候選項(xiàng)目空間。最后，在推薦候選項(xiàng)目空間上使用基于項(xiàng)目的協(xié)同過濾推薦算法算法在線完成推薦。
　　在MovieLens數(shù)據(jù)集上，與一些傳統(tǒng)的協(xié)同過濾算法進(jìn)行的對比結(jié)果顯示本文算法在分布式集群上具有較好的可擴(kuò)展性和推薦效率，并且推薦精度也有所提高，可以較好地改進(jìn)電子商務(wù)個性