基于用戶特性的CF算法在B2C類電子商務(wù)RE中的研究與應(yīng)用.pdf

1、根據(jù)CNNIC一月份發(fā)布的《第29次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2011年12月底，中國網(wǎng)民規(guī)模突破5億，達(dá)到5.13億，全年新增網(wǎng)民5580萬?；ヂ?lián)網(wǎng)普及率較上年底提升4個(gè)百分點(diǎn)，達(dá)到38.3％。分析顯示電子商務(wù)類應(yīng)用繼續(xù)穩(wěn)步發(fā)展，包括網(wǎng)絡(luò)購物、網(wǎng)上支付、網(wǎng)上銀行、旅行預(yù)訂在內(nèi)的電子商務(wù)類應(yīng)用在2011年繼續(xù)保持穩(wěn)步發(fā)展態(tài)勢(shì)，其中網(wǎng)絡(luò)購物用戶規(guī)模達(dá)到1.94億人，較上年底增長20.8%，網(wǎng)上支付用戶和網(wǎng)上銀行全年用戶也增長

2、了21.6%和19.2%，目前用戶規(guī)模分別為1.67億和1.66億。目前IT系統(tǒng)的存儲(chǔ)能力遠(yuǎn)遠(yuǎn)不足，就更不用說深入地挖掘和分析了。但要想使用這些數(shù)據(jù)并不是一件很容易的事情。本文將以推薦系統(tǒng)的設(shè)計(jì)為例提出一種綜合的解決方案。在應(yīng)對(duì)大數(shù)據(jù)和實(shí)時(shí)性要求的同時(shí)各大IT公司紛紛提出自己的解決之道，其中不乏優(yōu)秀的系統(tǒng)和編程模式，如：google的hadoop技術(shù)框架，nosql數(shù)據(jù)庫和HDFS分布式存儲(chǔ)技術(shù)，mapreduce編程模式，以及maho

3、ut等。本文就將依據(jù)這些新興技術(shù)框架改造傳統(tǒng)的推薦引擎使之可以滿足大數(shù)據(jù)時(shí)代的實(shí)時(shí)性需求，提高推薦結(jié)果的命中率。
　　本文在提高推薦引擎(RE)的推薦精準(zhǔn)度方面提出了，在傳統(tǒng)的相似用戶算法的基礎(chǔ)之上進(jìn)行改進(jìn)的基于用戶特性的相似用戶計(jì)算的方法。從而充分考慮了用戶自身的社會(huì)特性，提高的推薦數(shù)據(jù)個(gè)性化需求。并利用lucene平臺(tái)進(jìn)行具體的實(shí)現(xiàn)，在此基礎(chǔ)之上還提出來推薦引擎的整體設(shè)計(jì)架構(gòu)圖。并對(duì)每部分拆分進(jìn)行講解。最后針對(duì)具體的實(shí)施過程當(dāng)