董银

摘要：随着大数据和数据挖掘技术的不断发展和成熟，个性化推荐越来越发挥着重要作用。为了能够更有效地向用户推荐其感兴趣的产品，文章研究了在Spark平台架构基础上使用ALS协同过滤算法在个性化推荐系统中的应用，并对该系统作了性能和效果的评估。根据实验表明，基于Spark平台的ALS算法能有效地为用户推荐其所感兴趣的产品，从而达到个性化推荐的目的。

关键词：个性化推荐；协同过滤；Spark；ALS

随着互联网数据的不断增加，如何快速而高效地从如此丰富而复杂的大量数据中为用户挑选出自己真正感兴趣和喜欢的信息变得越来越紧迫。近年来随着个性化推荐系统的兴起和发展，为解决这些问题提供了重要手段。推荐系统通过记录和分析用户所产生的日志数据构建用户的兴趣模型，再通过用户的兴趣模型为用户推荐其喜欢和感兴趣的产品。目前个性化推荐系统在购物网站和新闻网站等领域得到了广泛的应用，比如Amazon购物网站、豆瓣、今日头条等。目前在推荐系统中应用最为成功和广泛的推荐技术是协同过滤。

协同过滤是指收集用户过去的行为以获得其对产品的显式或隐式信息，即根据用户对物品或者信息的偏好，发现用户的相关性或者物品本身的相关性，然后再基于这些相关性进行推荐。目前，基于协同过滤的推荐分为基于物品的协同过滤（ItemCF）、基于用户的系统过滤（UserCF）和基于模型的协同过滤（ModelCF）。为了更加快速、有效和准确地为用户推荐其喜欢的产品，本文主要研究了基于Spark平台上的ALS协同过滤算法的个性化推荐系统。……