基于Hadoop框架与用户行为特征感知的智能图书推荐系统设计

摘要：

为了提高用户获取图书的效率、优化阅读体验,文中对基于用户行为与内容的相关推荐算法进行了研究,引入Hadoop大数据处理框架,设计并实现了一款在线图书推荐系统.该系统基于软件工程的理论进行设计,通过梳理图书推荐流程设计了相关的功能模块,从系统的可扩展性角度出发,分层次设计了系统的软件架构.对常用的推荐算法进行了研究,构建用户行为特征与图书特征库,在使用协同过滤推荐时,使用向量的余弦值衡量二者的近似度.在系统实现上,使用Ha?doop中的HDFS分布式文件系统进行特征库的部署与用户日志文件的存储,通过引入7个计算集群与MapReduce编程模式,实现了890 s内一次性5000本图书的推荐.采用J2EE技术对系统进行了实现,运行测试结果表明,系统运行稳定,可以满足推荐系统的准确性与可靠性要求.

关键词：数据挖掘、推荐系统、Hadoop、MapReduce、J2EE

所属期刊栏目：30

分类号：TP311(计算技术、计算机技术)

资助基金：陕西省教育厅科学研究项目;西安外事学院校内七方教育研究院研究课题

在线出版日期：2022-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：24-27,32