丁祿祺

（青島藍灣信息科技有限公司，山東青島266111）

1 引言

現(xiàn)階段，為了使云計算運用得到更好的發(fā)展，計算機技術人員應接受專業(yè)的培訓，保證培訓效果達到國家計算機技術規(guī)定標準。與傳統(tǒng)的推薦算法對比，云計算能夠在大量數(shù)據(jù)運算過程中，解決可實現(xiàn)擴展和數(shù)據(jù)較少的問題。因此，本文研究的課題，對云計算環(huán)境下資源優(yōu)化具有重要意義，對云計算中資源推薦技術具有現(xiàn)實性意義。

2 擴展向量的模型分析

將云計算運用在項目的過濾推薦算法過程中，對其傳統(tǒng)算法進行優(yōu)化，其具體算法流程有以下幾點：第一，擴展向量。擴展向量是根據(jù)云計算對項目的具體運算形式進行向量擴展，項目的擴展向量特征運算程序如下：

式（1）中，eitemj代表的是第 j個項目擴展向量，p(i，j)代表 i個客戶偏好項目j的數(shù)量值，aitem(j，q)表示項目j具有第q個屬性值。

第二，臨近搜索，臨近搜索代表著用戶尋找項目的目標相近，可進行相似度計算。相似度計算也運用擴展向量和相似程度進行優(yōu)化，優(yōu)化結果的相似度量程序如下：

式（2）中與云計算谷本相似程度如下：

3 基于云計算下大數(shù)據(jù)的推薦技術

3.1 云計算系統(tǒng)體系結構

對于大量的數(shù)據(jù)推薦系統(tǒng)，其系統(tǒng)相關體系是建設于物理群體以上，能夠根據(jù)相關的數(shù)據(jù)和推算技術進行使用，有效地為用戶提供相關材料、節(jié)目推薦和平臺交流互動等。其中的節(jié)目推薦是根據(jù)用戶對其進行綜合評價，用戶即可獲取熱播節(jié)目和新節(jié)目的節(jié)目榜單。其中云計算系統(tǒng)中，具有服務功能，形成的相關服務數(shù)據(jù)能夠儲存在系統(tǒng)內(nèi)部文件中，將其附屬在HDFS系統(tǒng)中，運用CPU進行框架計算和對框架進行相關處理，云集三系統(tǒng)體系結構分為物理資源管理層、物理資源處理層、和物理應用層，使用戶能夠完成高質量和高性能系統(tǒng)功能運算。

3.2 設計云計算系統(tǒng)平臺

對于大量數(shù)據(jù)的推薦系統(tǒng)，在用戶使用較多的情況下，可對用戶按照城市區(qū)域進行劃分，對數(shù)據(jù)進行分區(qū)儲存，云計算系統(tǒng)應用中所涉及的各個目標，使用戶最終將數(shù)據(jù)儲存對應的地域數(shù)據(jù)檔案庫中[2]。雖然大部分用戶能夠對應用程序地域進行劃分，但訪問應用程序操作執(zhí)行力具有了局限性。通對對應用程序進行地域劃分，能夠有效降低數(shù)據(jù)傳送失誤，但網(wǎng)絡一旦出現(xiàn)故障時，映客仍然可對其程序進行操作。

3.3 云計算系統(tǒng)智能推薦模塊設計

云計算系統(tǒng)智能推薦模塊分為預處理模塊與算法運行模塊，其中預處理模塊功能分為兩類：第一，能夠對系統(tǒng)功能進行數(shù)據(jù)優(yōu)化，整合相關數(shù)據(jù)并轉化，所形成的數(shù)據(jù)格式儲存在數(shù)據(jù)整成平臺中，第二種屬于推薦算法，將所需數(shù)據(jù)從應用平臺中進行獲取，進行二次轉化，形成數(shù)據(jù)源，供算法運行的過程計算使用。算法運行模塊時能夠將運行推薦算法中基于Hadoop系統(tǒng)，將數(shù)據(jù)經(jīng)過預處理得到的數(shù)據(jù)源進行相關輸入，并保存在數(shù)據(jù)庫中。例如，用戶在應用平臺系統(tǒng)中的對該平臺進行評價與評分數(shù)據(jù)，輸出系統(tǒng)中的各項功能數(shù)據(jù)，對用戶目標進行具體的推薦。

4 云計算環(huán)境下推薦技術結果的評測

4.1 云計算下推薦技術結果的比較

使用MovieLens100K數(shù)據(jù)集，能夠運行三種推薦計算方式，其中包含協(xié)同過濾、Slopeone、ALS三種推薦技術。得到進行對比新模型前后之間的準確率與召回率，如表1所示，新型應用推薦技術的準確得到了顯著提升，召回率隨之也提高相應的程度[3]。因此，擴展向量的推薦技術可解決不同程度上的精準問題，三種推薦算法也能夠適用于新型應用的廣泛使用。

表1 100K數(shù)據(jù)集的三種推薦算法前后對比

在三種推算法中，對于系統(tǒng)中的冷啟動進行解決理論，可采取使用MovieLens100K數(shù)據(jù)集對解決冷啟動進行實驗驗證。如表2所示，從實驗得出的數(shù)據(jù)可看出，新模型使用的三種推薦技術都可成功解決云計算中冷啟動問題，并且三種推薦技術中的協(xié)同過濾推薦計算方法對解決冷啟動應用最為突出。因此，三種推薦技術在云計算下可解決冷啟動問題。

表2 三種推薦技術對冷啟動問題解決數(shù)據(jù)準確率精度對比

4.2 云計算下推薦技術運算效果

在云計算下，三種推薦技術的計算結果中，對其包含的評價、運算復雜化度、運行速度、冷啟動解決情況進行綜合總結評價，如表3所示。從表3中可得出，依數(shù)字大小進行相應的評價，協(xié)同過濾推薦技術算法推薦精確度較其他兩種推薦技術較低，但在商業(yè)應用程序中更為流行使用。ALS-WR推薦技術算法精確度要高于其他兩種運算方法，但對解決冷啟動能力較低，影響程序的運行效率，算法綜合性能低于其他兩種推薦技術算法。最后一種SlopeOne推薦技術算法的精確度、解決冷啟動能力以及運行速度均為平均水平，運算原理較為簡單。

表3 三種推薦技術算法分綜合評價結果

5 結論

本文對擴展向量的模型分析，基于云計算下大數(shù)據(jù)的推薦技術：云計算系統(tǒng)體系結構、設計云計算系統(tǒng)平臺、設計云計算系統(tǒng)智能推薦模塊，對云計算環(huán)境下推薦技術結果的評測：云計算下推薦技術結果的比較、總結云計算下推薦技術運算效果進行了綜合論述與分析，望此次研究結果能夠得到運用大量數(shù)據(jù)計算的相關工作人員的關注，在實際操作中能夠解決大量數(shù)據(jù)系統(tǒng)面臨的擴展性和實時性問題。