基于Spark平台的电子商务个性化信息推荐方法

互联网上数据传播量日益增加，但信息使用率却很低，消耗用户大量精力，针对这个问题，提出一种基于Spark平台的电子商务个性化信息推荐方法。Spark平台通过弹性分布式内存数据集，可将中间计算结果直接保存至内存中，建立用户喜好模型；使用评分机制计算不同个体偏好商品，形成推荐列表；引入挖掘隐含信息的矩阵分解算法，将未知参数转化为已知量，提高个性化信息推荐精准度。仿真对比实验，从用户满意度、信息熵值和运行速度三个角度，验证了所提方法可以实现优质且高效的电子商务个性化信息推荐工作。