基于hadoop构建智能推荐系统：第1篇 用户行为数据分析并导出到hdfs
这个分类 我主要想分享基于 hadoop 构建智能推荐系统的过程思路、程序设计和系统架构方面的一些技巧心得，至于 hadoop 、 sqoop 、 hbase 的安装和使用我就不多讲了，网上已经有很多这方面的文章了 让我们直奔主题吧。 1 、 我们要搭建一个智能推荐系统最重要的是什么呢？不是算法、也不是系统的本身，最关键是准确分析用户的行为数据，最终得出一个用户偏好表。有了这个用户偏好 表，我们可以做的事太多了，比如计算用户的相似度、计算物品的相似度、把用户按照行为进行聚类。。。但是这一切的前提都必须有一个“用户偏好表”（如图表 1-1 ）。 图表 1-1 用户偏好表 Uid （用户 id ） Itemid （物品 id ） Preference （偏好值） Timestamp （时间戳） 1001 1005 4.5 123278545 1002 1008 3.5 123577865 1001 1008 5.0 123478588 2 、 （下面我将以视频网站的智能推荐系统为例子） 为了得到这样的一张表，我们首先要对用户的行为进行分析， 视频网站 的用户行为一般为 观看记录、评分记录、顶 / 踩、评论记录。。。 我们按照预先设定的权重（图表 2-1 ），将这些行为数据进行简单的权重相加，得出一个比较粗糙的偏好评分。 图表 2-1 行为权重（后面的行为记分 覆盖前面的行为记分） 行为