基于Spark流式计算的实时电影推荐研究

• 作者: 严磊 汪小可
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 电影推荐 SparkStreaming Spark 实时推荐
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 44-48
• 页数: 5页
• 分类号: TP301
• 字数: 3579字
• 语种: 中文
• DOI: 10.11907/rjdk.182121

摘要

基于Hadoop平台的实时电影推荐系统在需要大量迭代计算时运行速度明显变慢,无法根据用户行为作出实时反馈.针对以上问题,设计基于Spark流式计算的实时电影推荐系统,可更好地满足用户实时需求.基于Spark流式计算的实时电影推荐系统将传统电影推荐算法与Spark流式计算方法相结合,在线部分使用Spark Streaming实时接收用户模拟评分,并使用Scoket编程模拟用户浏览商品时产生的实时日志数据.日志数据包括用户当前浏览电影、观看电影次数、停留时间与是否购买该商品,再使用Spark Streaming构建实时数据处理系统,计算出当前用户相关度最高的电影并进行推荐.实验结果表明,基于Spark平台的电影实时推荐系统在离线推荐训练过程中,训练速度相对于Hadoop平台有明显提高,能根据用户行为作出实时反馈,并向用户进行电影推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严磊	武汉工程大学计算科学与工程学院	1	1	1.0	1.0
2	汪小可	武汉工程大学计算科学与工程学院	1	1	1.0	1.0