文档介绍：基于协同过滤的大数据挖掘分析方法研究浙江工业大学硕士学位论文作者姓名：刘希伟指导教师：梁荣华教授、叶蕾副教授浙江工业大学计算机科学与技术学院月
篨篜
作者签名：盐日期：矽垆年岁月以日日期：，∞缉隆叭日期：钿瑁琻．日浙江工业大学学位论文原创性声明学位论文版权使用授权书本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或集体己经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均己在文中以明确方式标明。本人承担本声明的法律责任。本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。作者签名导师签名
基于协同过滤的大数据挖掘分析方法研究摘要随着大数据时代的来伲莨婺Ｔ嚼丛酱蟆：Ａ渴菥哂幸熘室旃埂⑹萑萘看蟆价值密度低等特点，因此用户很难从中获取到满足需求的个性化信息。协同过滤就是为了解决这一问题而提出的，本文对协同过滤技术和云计算技术进行深入研究，提出了一个云计算环境下基于协同过滤算法的数据挖掘与分析框架，并着重对以下两个方面展开研究：首先，由于海量数据的异构性使得不同数据源之间的数据交换与共享很难实现。为此需要建立一个统一的数据表示模型，实现异构数据的一致性访问。本文提出了一个基于协同过滤算法的分布式数据挖掘与分析框架，针对该框架，提出基于囊旃故菁方法，实现各数据源之间相互转换与集成。接着，本文提出了与时间相关的模型协同过滤算法，该算法将用户时间因子与项目时间因子考虑到基本矩阵分解模型之中，实验结果表明此模型可以较好为用户提高推荐的准确度。云计算具有强大的计算能力、存储能力以及可扩展性的特点，结合对大规模数据处理的现实需求，本文提出了运行在云环境下的并行协同过滤算法，该算法利用矩阵的分块思想，结合分层的随机梯度下降法进行矩阵分解，使得在数据层内实现矩阵分解过程的并行执行。最后的实验显示，在处理大数据集时，随着节点的增加，此算法的运行效率也不断提高，得到了比较理想的计算性能，这凸显了云计算技术与协同过滤技术结合解决大数据信息过滤的优势。关键词：大数据、云计算，协同过滤，矩阵分解浙江工业大学硕士学位论文
猼甒浙江工业大学硕士学位论文，．琱甌，’瓹琲．，甌琱甀瑆甌瓵瑃琲瓹，甋瑃瑃瑃．甋．
浙江工业大学硕士学位论文篵，琧琺
目录第吕砺刍∮胂喙丶际酢第禄谛说姆植际绞萃诰蛴敕治銎教ā第禄赗模型的大数据协同过滤研究．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．第滦髀邸国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯大数据的异构数据集成技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯云计算与平台⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯分布式数据挖掘与分析框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯，本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．基于偏好的砌心模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一Ｐ图八惴ú⑿谢浙江工业大学硕士学位论文研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯协同过滤技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．基于囊旃故菁伞肝模型协同过滤算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Ｐ汀弛弛弘∞弘弘勰喙馗拍睢．钟幸旃故菁煞椒ā．蟆＜际酢．萍扑愀攀觥云计算框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．基于全局的协同过滤算法⋯⋯．．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．谀Ｐ偷男怂惴ā萃骋槐硎静恪．没Ｐ凸菇ú恪⋯⋯⋯⋯⋯⋯⋯⋯一莘治霾恪基于Ⅺ沮，的异构数据集成架构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．赬的异构数据集成过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一异构数据集成实例⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯，．蛄康墓菇ā婊荻认陆捣ā基本Ｐ汀⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．，滤俾什问母慕奔湎喙氐腞模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯，．．】
第率笛