云計(jì)算環(huán)境中資源優(yōu)化推薦技術(shù)研究

丁祿祺

【摘 要】論文對(duì)擴(kuò)展向量的模型分析，基于云計(jì)算下大數(shù)據(jù)的推薦技術(shù)，云計(jì)算環(huán)境下推薦技術(shù)結(jié)果的評(píng)測進(jìn)行了闡述。此次研究目的是為了明確云計(jì)算環(huán)境中的推薦技術(shù)的優(yōu)勢(shì)，加強(qiáng)對(duì)云計(jì)算系統(tǒng)中資源的優(yōu)化。

【Abstract】In this paper， based on the model analysis of extended vector， and the recommendation technology of large data in cloud computing， the evaluation of the recommended technical results under the cloud computing environment is evaluated. The purpose of this study is to identify the advantages of the recommendation technology in the cloud computing environment and to optimize the resources in the cloud computing system.

【關(guān)鍵詞】云計(jì)算；推薦技術(shù)；優(yōu)化資源

【Keywords】cloud computing； recommendation technology； resources optimization

【中圖分類號(hào)】TP391.3 【文獻(xiàn)標(biāo)志碼】A 【文章編號(hào)】1673-1069（2018）03-0181-02

1 引言

現(xiàn)階段，為了使云計(jì)算運(yùn)用得到更好的發(fā)展，計(jì)算機(jī)技術(shù)人員應(yīng)接受專業(yè)的培訓(xùn)，保證培訓(xùn)效果達(dá)到國家計(jì)算機(jī)技術(shù)規(guī)定標(biāo)準(zhǔn)。與傳統(tǒng)的推薦算法對(duì)比，云計(jì)算能夠在大量數(shù)據(jù)運(yùn)算過程中，解決可實(shí)現(xiàn)擴(kuò)展和數(shù)據(jù)較少的問題。因此，本文研究的課題，對(duì)云計(jì)算環(huán)境下資源優(yōu)化具有重要意義，對(duì)云計(jì)算中資源推薦技術(shù)具有現(xiàn)實(shí)性意義。

2 擴(kuò)展向量的模型分析

將云計(jì)算運(yùn)用在項(xiàng)目的過濾推薦算法過程中，對(duì)其傳統(tǒng)算法進(jìn)行優(yōu)化，其具體算法流程有以下幾點(diǎn)：第一，擴(kuò)展向量。擴(kuò)展向量是根據(jù)云計(jì)算對(duì)項(xiàng)目的具體運(yùn)算形式進(jìn)行向量擴(kuò)展，項(xiàng)目的擴(kuò)展向量特征運(yùn)算程序如下：

eitemj=（p（1，j），p（2，j），…，p（m，j），aitem（j，1），aitem（j，2），…，aitem（j，q）） （1）

式（1）中，eitemj代表的是第j個(gè)項(xiàng)目擴(kuò)展向量，p（i，j）代表i個(gè)客戶偏好項(xiàng)目j的數(shù)量值，aitem（j，q）表示項(xiàng)目j具有第q個(gè)屬性值。

第二，臨近搜索，臨近搜索代表著用戶尋找項(xiàng)目的目標(biāo)相近，可進(jìn)行相似度計(jì)算。相似度計(jì)算也運(yùn)用擴(kuò)展向量和相似程度進(jìn)行優(yōu)化，優(yōu)化結(jié)果的相似度量程序如下：

sim式（2）中與云計(jì)算谷本相似程度如下：

sim

式（3）中：sim代表j與j'之間的擴(kuò)展向量相似度，其運(yùn)算方法根據(jù)其擴(kuò)展向量進(jìn)行運(yùn)算。itemj與itemj'使屬于不同的兩種項(xiàng)目，Uj代表客戶對(duì)對(duì)其進(jìn)行的評(píng)價(jià)結(jié)論，Uj'代表用戶對(duì)其作出評(píng)價(jià)數(shù)量程度，A代表itemj的集合屬性信息，Aj'代表itemj'的集合屬性信息[1]。

3 基于云計(jì)算下大數(shù)據(jù)的推薦技術(shù)

3.1 云計(jì)算系統(tǒng)體系結(jié)構(gòu)

對(duì)于大量的數(shù)據(jù)推薦系統(tǒng)，其系統(tǒng)相關(guān)體系是建設(shè)于物理群體以上，能夠根據(jù)相關(guān)的數(shù)據(jù)和推算技術(shù)進(jìn)行使用，有效地為用戶提供相關(guān)材料、節(jié)目推薦和平臺(tái)交流互動(dòng)等。其中的節(jié)目推薦是根據(jù)用戶對(duì)其進(jìn)行綜合評(píng)價(jià)，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(jì)算系統(tǒng)中，具有服務(wù)功能，形成的相關(guān)服務(wù)數(shù)據(jù)能夠儲(chǔ)存在系統(tǒng)內(nèi)部文件中，將其附屬在HDFS系統(tǒng)中，運(yùn)用CPU進(jìn)行框架計(jì)算和對(duì)框架進(jìn)行相關(guān)處理，云集三系統(tǒng)體系結(jié)構(gòu)分為物理資源管理層、物理資源處理層、和物理應(yīng)用層，使用戶能夠完成高質(zhì)量和高性能系統(tǒng)功能運(yùn)算。

3.2 設(shè)計(jì)云計(jì)算系統(tǒng)平臺(tái)

對(duì)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(duì)用戶按照城市區(qū)域進(jìn)行劃分，對(duì)數(shù)據(jù)進(jìn)行分區(qū)儲(chǔ)存，云計(jì)算系統(tǒng)應(yīng)用中所涉及的各個(gè)目標(biāo)，使用戶最終將數(shù)據(jù)儲(chǔ)存對(duì)應(yīng)的地域數(shù)據(jù)檔案庫中[2]。雖然大部分用戶能夠?qū)?yīng)用程序地域進(jìn)行劃分，但訪問應(yīng)用程序操作執(zhí)行力具有了局限性。通對(duì)對(duì)應(yīng)用程序進(jìn)行地域劃分，能夠有效降低數(shù)據(jù)傳送失誤，但網(wǎng)絡(luò)一旦出現(xiàn)故障時(shí)，映客仍然可對(duì)其程序進(jìn)行操作。

3.3 云計(jì)算系統(tǒng)智能推薦模塊設(shè)計(jì)

云計(jì)算系統(tǒng)智能推薦模塊分為預(yù)處理模塊與算法運(yùn)行模塊，其中預(yù)處理模塊功能分為兩類：第一，能夠?qū)ο到y(tǒng)功能進(jìn)行數(shù)據(jù)優(yōu)化，整合相關(guān)數(shù)據(jù)并轉(zhuǎn)化，所形成的數(shù)據(jù)格式儲(chǔ)存在數(shù)據(jù)整成平臺(tái)中，第二種屬于推薦算法，將所需數(shù)據(jù)從應(yīng)用平臺(tái)中進(jìn)行獲取，進(jìn)行二次轉(zhuǎn)化，形成數(shù)據(jù)源，供算法運(yùn)行的過程計(jì)算使用。算法運(yùn)行模塊時(shí)能夠?qū)⑦\(yùn)行推薦算法中基于Hadoop系統(tǒng)，將數(shù)據(jù)經(jīng)過預(yù)處理得到的數(shù)據(jù)源進(jìn)行相關(guān)輸入，并保存在數(shù)據(jù)庫中。例如，用戶在應(yīng)用平臺(tái)系統(tǒng)中的對(duì)該平臺(tái)進(jìn)行評(píng)價(jià)與評(píng)分?jǐn)?shù)據(jù)，輸出系統(tǒng)中的各項(xiàng)功能數(shù)據(jù)，對(duì)用戶目標(biāo)進(jìn)行具體的推薦。

4 云計(jì)算環(huán)境下推薦技術(shù)結(jié)果的評(píng)測

4.1 云計(jì)算下推薦技術(shù)結(jié)果的比較

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

在三種推算法中，對(duì)于系統(tǒng)中的冷啟動(dòng)進(jìn)行解決理論，可采取使用MovieLens100K數(shù)據(jù)集對(duì)解決冷啟動(dòng)進(jìn)行實(shí)驗(yàn)驗(yàn)證。如表2所示，從實(shí)驗(yàn)得出的數(shù)據(jù)可看出，新模型使用的三種推薦技術(shù)都可成功解決云計(jì)算中冷啟動(dòng)問題，并且三種推薦技術(shù)中的協(xié)同過濾推薦計(jì)算方法對(duì)解決冷啟動(dòng)應(yīng)用最為突出。因此，三種推薦技術(shù)在云計(jì)算下可解決冷啟動(dòng)問題。

4.2 云計(jì)算下推薦技術(shù)運(yùn)算效果

在云計(jì)算下，三種推薦技術(shù)的計(jì)算結(jié)果中，對(duì)其包含的評(píng)價(jià)、運(yùn)算復(fù)雜化度、運(yùn)行速度、冷啟動(dòng)解決情況進(jìn)行綜合總結(jié)評(píng)價(jià)，如表3所示。從表3中可得出，依數(shù)字大小進(jìn)行相應(yīng)的評(píng)價(jià)，協(xié)同過濾推薦技術(shù)算法推薦精確度較其他兩種推薦技術(shù)較低，但在商業(yè)應(yīng)用程序中更為流行使用。ALS-WR推薦技術(shù)算法精確度要高于其他兩種運(yùn)算方法，但對(duì)解決冷啟動(dòng)能力較低，影響程序的運(yùn)行效率，算法綜合性能低于其他兩種推薦技術(shù)算法。最后一種SlopeOne推薦技術(shù)算法的精確度、解決冷啟動(dòng)能力以及運(yùn)行速度均為平均水平，運(yùn)算原理較為簡單。

5 結(jié)論

本文對(duì)擴(kuò)展向量的模型分析，基于云計(jì)算下大數(shù)據(jù)的推薦技術(shù)：云計(jì)算系統(tǒng)體系結(jié)構(gòu)、設(shè)計(jì)云計(jì)算系統(tǒng)平臺(tái)、設(shè)計(jì)云計(jì)算系統(tǒng)智能推薦模塊，對(duì)云計(jì)算環(huán)境下推薦技術(shù)結(jié)果的評(píng)測：云計(jì)算下推薦技術(shù)結(jié)果的比較、總結(jié)云計(jì)算下推薦技術(shù)運(yùn)算效果進(jìn)行了綜合論述與分析，望此次研究結(jié)果能夠得到運(yùn)用大量數(shù)據(jù)計(jì)算的相關(guān)工作人員的關(guān)注，在實(shí)際操作中能夠解決大量數(shù)據(jù)系統(tǒng)面臨的擴(kuò)展性和實(shí)時(shí)性問題。

【參考文獻(xiàn)】

【1】呂曉晴.云計(jì)算環(huán)境中資源優(yōu)化推薦技術(shù)研究[J].現(xiàn)代電子技術(shù)，2016，39（21）：24-28.

【2】畢敬.云計(jì)算環(huán)境下服務(wù)資源管理若干關(guān)鍵技術(shù)研究[J].東北大學(xué)，2015，9（21）：54-56.

【3】朱健榮.云計(jì)算環(huán)境下虛擬資源管理技術(shù)的研究[J].南京航空航天大學(xué)，2015，54（32）：84-82.