大数据处理平台的应用课件.ppt

1、第十章： 大数据处理平台的应用10.1 推荐系统概述 10.1.1 什么是推荐系统 10.1.2 长尾理论 10.1.3 推荐方法 10.1.4 推荐系统模型 10.1.5 推荐系统的应用 互联网的飞速发展使我们进入了信息过载的时代，搜索引擎可以帮助我们查找内容，但只能解决明确的需求 为了让用户从海量信息中高效地获得自己所需的信息，推荐系统应运而生。推荐系统是大数据在互联网领域的典型应用，它可以通过分析用户的历史记录来了解用户的喜好，从而主动为用户推荐其感兴趣的信息，满足用户的个性化推荐需求 推荐系统是自动联系用户和物品的一种工具，和搜索引擎相比，推荐系统通过研究用户的兴趣偏好，进行个性化计算

2、。推荐系统可发现用户的兴趣点，帮助用户从海量信息中去发掘自己潜在的需求10.1.1 什么是推荐系统 推荐系统可以创造全新的商业和经济模式，帮助实现长尾商品的销售 “长尾”概念于2004年提出，用来描述以亚马逊为代表的电子商务网站的商业和经济模式 电子商务网站销售种类繁多，虽然绝大多数商品都不热门，但这些不热门的商品总数量极其庞大，所累计的总销售额将是一个可观的数字，也许会超过热门商品所带来的销售额 因此，可以通过发掘长尾商品并推荐给感兴趣的用户来提高销售额。这需要通过个性化推荐来实现10.1.2 长尾理论 热门推荐是常用的推荐方式，广泛应用于各类网站中，如热门排行榜。但热门推荐的主要缺陷在于推

3、荐的范围有限，所推荐的内容在一定时期内也相对固定。无法实现长尾商品的推荐 个性化推荐可通过推荐系统来实现。推荐系统通过发掘用户的行为记录，找到用户的个性化需求，发现用户潜在的消费倾向，从而将长尾商品准确地推荐给需要它的用户，进而提升销量，实现用户与商家的双赢10.1.2 长尾理论 推荐系统的本质是建立用户与物品的联系，根据推荐算法的不同，推荐方法包括如下几类： 专家推荐 基于统计的推荐 基于内容的推荐 协同过滤推荐 混合推荐10.1.3 推荐方法完整的推荐系统： 用户建模模块：对用户进行建模，根据用户行为数据和用户属性数据来分析用户的兴趣和需求 推荐对象建模模块：根据对象数据对推荐对象进行建模

4、 推荐算法模块：基于用户特征和物品特征，采用推荐算法计算得到用户可能感兴趣的对象，并根据推荐场景对推荐结果进行一定调整，将推荐结果最终展示给用户10.1.4 推荐系统模型图: 推荐系统基本架构 目前推荐系统已广泛应用于电子商务、在线视频、在线音乐、社交网络等各类网站和应用中 如亚马逊网站利用用户的浏览历史记录来为用户推荐商品，推荐的主要是用户未浏览过，但可能感兴趣、有潜在购买可能性的商品10.1.5 推荐系统的应用图11-2 亚马逊网站根据用户的浏览记录来推荐商品 推荐系统在在线音乐应用中也逐渐发挥作用。音乐相比于电影数量更为庞大，个人口味偏向也更为明显，仅依靠热门推荐是远远不够的 虾米音乐网

5、根据用户的音乐收藏记录来分析用户的音乐偏好，以进行推荐。例如，推荐同一风格的歌曲，或是推荐同一歌手的其他歌曲10.1.5 推荐系统的应用图11-3 虾米音乐网根据用户的音乐收藏来推荐歌曲 推荐技术从被提出到现在已有十余年，在多年的发展历程中诞生了很多新的推荐算法。协同过滤作为最早、最知名的推荐算法，不仅在学术界得到了深入研究，而且至今在业界仍有广泛的应用 协同过滤可分为基于用户的协同过滤和基于物品的协同过滤 10.2.1 基于用户的协同过滤（UserCF） 10.2.2 基于物品的协同过滤（ItemCF） 10.2.3 UserCF算法和ItemCF算法的对比10.2 协同过滤 基于用户的协同

6、过滤算法（简称UserCF算法）在1992年被提出，是推荐系统中最古老的算法 UserCF算法的实现主要包括两个步骤： 第一步：找到和目标用户兴趣相似的用户集合 第二步：找到该集合中的用户所喜欢的、且目标用户没有听说过的物品推荐给目标用户10.2.1 基于用户的协同过滤（UserCF）图11-4 基于用户的协同过滤（User CF）10.2.1 基于用户的协同过滤（UserCF） 实现UserCF算法的关键步骤是计算用户与用户之间的兴趣相似度。目前较多使用的相似度算法有： 泊松相关系数（Person Correlation Coefficient） 余弦相似度（Cosine-based Sim

7、ilarity） 调整余弦相似度（Adjusted Cosine Similarity）给定用户u和用户v，令N(u)表示用户u感兴趣的物品集合，令N(v)为用户v感兴趣的物品集合，则使用余弦相似度进行计算用户相似度的公式为：10.2.1 基于用户的协同过滤（UserCF）由于很多用户相互之间并没有对同样的物品产生过行为，因此其相似度公式的分子为0，相似度也为0我们可以利用物品到用户的倒排表（每个物品所对应的、对该物品感兴趣的用户列表），仅对有对相同物品产生交互行为的用户进行计算10.2.1 基于用户的协同过滤（UserCF）图11-5 物品到用户倒排表及用户相似度矩阵用户物品物品用户用户用户

8、得到用户间的相似度后，再使用如下公式来度量用户u对物品i的兴趣程度Pui：其中，S(u, K)是和用户u兴趣最接近的K个用户的集合，N(i)是喜欢物品i的用户集合，Wuv是用户u和用户v的相似度，rvi是隐反馈信息，代表用户v对物品i的感兴趣程度，为简化计算可令rvi=1对所有物品计算Pui后，可以对Pui进行降序处理，取前N个物品作为推荐结果展示给用户u（称为Top-N推荐）10.2.1 基于用户的协同过滤（UserCF） 基于物品的协同过滤算法（简称ItemCF算法）是目前业界应用最多的算法。无论是亚马逊还是Netflix，其推荐系统的基础都是ItemCF算法 ItemCF算法是给目标用户

9、推荐那些和他们之前喜欢的物品相似的物品。ItemCF算法主要通过分析用户的行为记录来计算物品之间的相似度 该算法基于的假设是：物品A和物品B具有很大的相似度是因为喜欢物品A的用户大多也喜欢物品B。10.2.2 基于物品的协同过滤（ItemCF）图11-6 基于物品的协同过滤（Item CF）10.2.2 基于物品的协同过滤（ItemCF） ItemCF算法与UserCF算法类似，计算也分为两步： 第一步：计算物品之间的相似度 第二步：根据物品的相似度和用户的历史行为，给用户生成推荐列表10.2.2 基于物品的协同过滤（ItemCF）ItemCF算法通过建立用户到物品倒排表（每个用户喜欢的物品的

10、列表）来计算物品相似度10.2.2 基于物品的协同过滤（ItemCF）图11-7用户到物品倒排表及物品相似度矩阵用户物品物品物品ItemCF计算的是物品相似度，再使用如下公式来度量用户u对物品j的兴趣程度Puj(与UserCF类似)：10.2.2 基于物品的协同过滤（ItemCF）其中，S(j, K)是和物品j最相似的K个物品的集合，N(u)是用户u喜欢的物品的集合，wji物品i和物品j的相似度，rui是隐反馈信息，代表用户u对物品i的感兴趣程度，为简化计算可令rvi=1UserCF算法和ItemCF算法的思想、计算过程都相似两者最主要的区别： UserCF算法推荐的是那些和目标用户有共同兴趣

11、爱好的其他用户所喜欢的物品 ItemCF算法推荐的是那些和目标用户之前喜欢的物品类似的其他物品 UserCF算法的推荐更偏向社会化，而ItemCF算法的推荐更偏向于个性化10.2.3 UserCF算法和ItemCF算法的对比图11-4 基于用户的协同过滤（User CF）图11-6 基于物品的协同过滤（Item CF） UserCF算法的推荐更偏向社会化：适合应用于新闻推荐、微博话题推荐等应用场景，其推荐结果在新颖性方面有一定的优势 UserCF缺点：随着用户数目的增大，用户相似度计算复杂度越来越高。而且UserCF推荐结果相关性较弱，难以对推荐结果作出解释，容易受大众影响而推荐热门物品 It

12、emCF算法的推荐更偏向于个性化：适合应用于电子商务、电影、图书等应用场景，可以利用用户的历史行为给推荐结果作出解释，让用户更为信服推荐的效果 ItemCF缺点：倾向于推荐与用户已购买商品相似的商品，往往会出现多样性不足、推荐新颖度较低的问题10.2.3 UserCF算法和ItemCF算法的对比Hadoop课外实践课外实践目标一：采用MapReduce开源系统Hadoop实现SSSP算法或者PageRank算法安装部署：http:/hadoop.apache.org/数据集：http:/law.di.unimi.it/datasets.php 课外实践目标二：采用内存计算开源平台Spark实现电影推荐系统：先对历史数据集进行聚类分析，当用户输入某部电影后对其进行推荐。 安装部署： http:/spark.apache.org/ 数据集：http:/ 实战任务（可选）：（可三到四人组队参赛，代替任务一和二）： 腾讯移动App广告转化率预估：http:/ 课外实践 两个任务的源代码、打包可执行文件和实验报告（包括实验环境，参赛配置，实验目的、设计思路、原代码、实验结果）打包压缩按“班级+学号+姓名”命名发送到： ; 实验报告打印后送到：东五楼206房间 截止日期：2017年5月26日下午5:30提交任务