科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于Lambda架构的实时推荐方法,包括以下步骤：1)从传统数据库中导入数据到HDFS,并上传和获取数据；2)收集Web日志数据,发送和收集大量的事件和日志数据；3)构建推荐引擎,训练HDFS中存储的用户数据,构建用户特征模型,将用户特征模型存入redis数据库中；4)实时获取的用户行为数据,增量更新用户特征模型,同时通过用户特征模型计算出推荐结果列表；5)构建用户推荐系统的前端界面,并利用scala来实现实时推荐系统的实时交互。本发明可直接应用于离线和在线的推荐系统任务中,可以解决离线推荐系统中数据实时性差的问题,且通过对ALS算法模型的更新迭代可提高推荐系统的准确率。
- 单位
