探討基于云計算技術的個性化推薦系統

姜少鑫

摘 要：信息時代的到來，加速了信息技術的發展，以云計算為代表的信息技術開始得到廣泛的推廣與應用。個性化推薦系統是幫助用戶在冗雜的信息中找到自己所需信息的重要手段，將云計算技術應用在個性化推薦系統中，快捷、多元化地滿足了用戶的不同需求，有效提高了信息利用效率。本文針對基于云計算技術的個性化推薦系統進行了簡要分析，以供參考和借鑒。

關鍵詞：云計算；技術；個性化；系統

中圖分類號： TP3 文獻標識碼： A 文章編號： 1673-1069（2016）32-166-2

0 引言

如今，互聯網技術的深入發展，開始與各個領域實現有機融合，更多的人開始參與到在線購物、社交網絡等網絡活動中，網絡給人們提供了一個無限的信息資源空間，這個資源庫中包含了各式各樣的信息，隨之發展起來的信息檢索技術便捷了人們對信息的搜索需求，搜索引擎成為用戶獲取信息的主要渠道，但該技術無法為用戶提供個性化的興趣服務，這就需要建立基于云計算的個性化推薦系統，這也是本文所要分析的主要內容。

1 云計算技術與個性化推薦系統概述

1.1 云計算技術

云計算技術依托的是互聯網，將互聯網的相關服務以動態化、易擴展、虛擬化的資源提供給用戶。云計算的定義有很多種，目前較為認可的是云計算技術是根據用戶使用量來進行相應交易的計算模式，云計算能夠為用戶提供便捷、按需的網絡訪問，進入網絡、服務器、應用軟件等可配置的計算資源共享區域，這些可以快速提供的資源，無須進行過多的管理，并與服務供應商交互不多[1]。云計算平臺所擁有的超強計算能力，可以應用在模擬核爆炸、預測市場發展趨勢及氣候變化等活動中。

1.2 個性化推薦系統

推薦系統就是結合用戶或顧客的購買行為規律以及興趣特點來推薦相應的信息或商品，使用戶滿意?，F如今，電子商務發展態勢迅猛，商品的種類和數量與日俱增，網絡信息是冗雜的，用戶或顧客需要花費大量的時間找尋目標信息與商品，信息過載問題直接影響了用戶或顧客的滿意度，導致用戶的流失。個性化推薦系統在此形勢下應運而生，所謂個性化推薦系統是利用海量數據挖掘技術，通過云計算平臺構建的一種高級商務智能平臺，主要服務于網站，為用戶提供完全個性化的決策支持和信息服務[2]。

2 基于云計算技術的個性化推薦系統分析

2.1 推薦算法與推薦策略

2.1.1 推薦算法

推薦系統利用各個網頁間、網頁與關鍵詞之間的粗粒度關聯和排序，實現為用戶推薦相應信息與商品的服務。隨著系統的不斷發展，其也開始利用網絡化計算能力，注重用戶興趣與模型的分析，而個性化推薦系統是在推薦系統的基礎上建立的更高級的信息導向系統。個性化推薦系統的構建需要推薦算法的支持，常用的有協同過濾推薦算法、基于內容的推薦算法、關聯規則推薦算法、混合推薦算法等。其中協同過濾推薦算法還可以細分，根據不同的算法特征分為基于用戶的推薦算法（也叫作基于存儲的算法、基于鄰居的算法）、基于項目的推薦算法、基于模型的推薦算法等。這些推薦算法都具有自身的優缺點（詳見表1），為了彌補各類推薦算法的缺陷，可以將兩種互補的算法結合起來[3]。例如基于內容的算法和協同過濾算法這兩種算法，我們可以為用戶直接展示用不同算法得出的推薦結果集，也可以先用第一種算法得出一種結果集，再用第二種算法計算第一種結果集，進而得到更加精確的結果，更好地滿足用戶的需求。

2.1.2 推薦策略

以往許多的推薦系統都是結合單一的推薦算法和推薦策略建立的，在使用的過程中逐步暴露除了系統個性化與適應性方面的缺陷，無法結合實際的應用優化推薦策略。因此，在構建個性化推薦系統時要充分結合當下推薦系統的優勢以及瞬息萬變的市場需求，制定出綜合化、系統化、合理化、可行性較高的推薦策略。

前文分析了各類推薦算法的優缺點及應用場景，基于此，本文提出的個性化推薦系統中應用的推薦策略是根據推薦系統數據量的大小制定的，當數據量偏小時系統會采用傳統的個性化推薦算法；當數據量偏大時系統會利用云計算平臺進行計算，具體就是將數據集發送到云平臺的各個節點來實現多節點分布式大規模數據計算。

2.2 系統架構及流程設計

2.2.1 系統架構

云計算技術集成了分布式計算、網格計算、并行計算和網絡存儲等先進的技術，其有機整合了多個經濟性較好的計算實體，逐步形成了具有超強計算能力的分布式系統。為了充分發揮出云計算技術的優勢，本文設計的基于Google云計算平臺的個性化推薦系統架構如圖1所示，該系統能夠對大規模數據進行快速、準確地處理，并且可以根據業務規模的不斷擴大進行相應的拓展，充分展示了較高的通用性與擴展性[4]。

基于云計算技術的個性化推薦系統主要包括以下幾部分：①推薦計算子系統，該子系統由數據預處理模塊、數據挖掘模塊、推薦模塊組成，其中數據預處理模塊的功能包括異構數據的過濾、統計、轉換等；數據挖掘模塊主要是計算推薦結果的聚類，需要充分利用聚類、關聯規則算法進行分別計算；推薦模塊則是利用各類算法計算出精準的推薦結果，已達到用戶的需求。②業務應用子系統，該子系統主要是為后期的系統擴展服務，根據業務需求的變化轉變系統的功能，并為系統需求制定合理的推薦規則。③基礎云計算平臺，其充分利用集群提供的大容量計算能力，在不同節點上進行大量的計算。

2.2.2 個性化推薦系統的操作流程

本系統的推薦流程是依據Map Reduce軟件架構，其是處理海量數據的并行編程模式，主要適合應用于大規模數據集的并行運算，其封裝了并行處理、容錯處理、本地化計算、負載均衡等細節，還提供可以把大容量的計算自動并發和分布執行的簡單通用接口。具體如圖2所示[5]。

3 結束語

綜上所述，開發設計基于云計算技術的個性化推薦系統是適應時代發展需求的，其能夠更好地滿足和引導用戶信息需求。本文設計的系統還不完善，還需在以后的運行實踐過程中不斷的改進。

參 考 文 獻

[1] 肖理釧.基于云計算模式的圖書文獻個性化推薦技術研究[J].科技廣場，2015（08）：22-27.

[2] 應毅，劉亞軍，陳誠.基于云計算技術的個性化推薦系統[J].計算機工程與應用，2015（13）：111-117.

[3] 谷瑞.基于云計算的個性化推薦系統的研究[J].蘇州市職業大學學報，2013（04）：14-16+21.

[4] 朱夏，宋愛波，東方，羅軍舟.云計算環境下基于協同過濾的個性化推薦機制[J].計算機研究與發展，2014，10：2255-2269.

[5] 汪星荷，劉紹華，俞俊生.移動云計算中基于LBS的個性化服務推薦模型[J].數學的實踐與認識，2013，02：157-161.