基于机器学习的推荐技术研究

随着互联网的发展，每天产生的数据量已经与日俱增，传统的搜索引擎已经 无法完全满足当前的需求，推荐系统成为了互联网时代的新宠，其是为了解决海 量数据所带来的挑战以及给用户更好的体验而发展成一门交叉学科。推荐系统算 法通常会包含机器学习算法，而云计算的广泛应用也使得机器学习算法可以快速 的部署与运算，为推荐系统的性能与效果提升提供了保障。 本文对目前的机器学习算法与推荐系统进行了研究。采用天猫淘宝真实数据 集，并利用阿里巴巴的ODPS云计算平台，基于混合技术与深度学习技术构建了 两套推荐系统，并对随机森林算法在不平衡数据条件下有针对性的进行了改善。 本文主要工作如下: 1.利用Ali Mobile Rec数据集与ODPS平台构建了基于混合技术的推荐系统， 该系统使用了多种混合策略，包括特征混合技术、分级型混合推荐技术、瀑布型 混合技术、加权混合推荐技术，最后利用多个模型进行融合，取得了较好的实验 效果，最终F1值为8.11%，并在此基础上验证了各混合技术的提升效果以及使 用条件; 2.利用Taobao Clothes Match数据集以及ODPS平台构建了基于深度学习的 搭配推荐系统，该系