基于大数据平台的推荐系统研究与实现

打开文本图片集

摘  要：个性化推荐系统作为人工智能一个落地场景，在社交平台、电商、生活服务等领域有着广泛的应用。为了把优选的商品提供给有需要的客户，对用户行为进行数据采集、数据清洗与存储、用户物品推荐建模、模型评估等内容进行了研究。数据采集通过客户端页面埋点技术来记录用户浏览、点击、关注等行为以及页面停留时长等数据，通过flume、kafka、hive、spark等大数据相关组件与技术完成数据采集、ETL相关操作，将用户评分表、物物余弦相似度等数据通过ALS、item-based组合召回技术，以及LR排序技术生成TOP-N推荐列表，最终经过AB测试，完成最优迭代方案版本选取。（剩余5146字）