基于大數(shù)據(jù)平臺(tái)的推薦系統(tǒng)研究與實(shí)現(xiàn)

打開文本圖片集

摘  要：個(gè)性化推薦系統(tǒng)作為人工智能一個(gè)落地場景，在社交平臺(tái)、電商、生活服務(wù)等領(lǐng)域有著廣泛的應(yīng)用。為了把優(yōu)選的商品提供給有需要的客戶，對(duì)用戶行為進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)清洗與存儲(chǔ)、用戶物品推薦建模、模型評(píng)估等內(nèi)容進(jìn)行了研究。數(shù)據(jù)采集通過客戶端頁面埋點(diǎn)技術(shù)來記錄用戶瀏覽、點(diǎn)擊、關(guān)注等行為以及頁面停留時(shí)長等數(shù)據(jù)，通過flume、kafka、hive、spark等大數(shù)據(jù)相關(guān)組件與技術(shù)完成數(shù)據(jù)采集、ETL相關(guān)操作，將用戶評(píng)分表、物物余弦相似度等數(shù)據(jù)通過ALS、item-based組合召回技術(shù)，以及LR排序技術(shù)生成TOP-N推薦列表，最終經(jīng)過AB測試，完成最優(yōu)迭代方案版本選取。（剩余5146字）