一种基于Lambda架构的实时推荐方法

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。