摘要：針對傳統(tǒng)分析方法受噪聲和人為因素影響而造成分析結(jié)果較差的問題,我們提出了一種基于大數(shù)據(jù)的社交網(wǎng)絡(luò)用戶興趣個性化推薦模型。在矢量空間模型的基礎(chǔ)上,分析了用戶興趣推薦模型結(jié)構(gòu)及其與周圍模型的交互關(guān)系,劃分了服務(wù)器網(wǎng)絡(luò)部署模塊,設(shè)計了運行模型網(wǎng)絡(luò)結(jié)構(gòu)。通過MapReduce模型將任務(wù)分布到分布式計算機集群中,用以構(gòu)建用戶感興趣的個性化推薦模型。利用大數(shù)據(jù)雙層關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)獲取用戶感興趣的網(wǎng)絡(luò)數(shù)據(jù),利用推薦結(jié)果確定用戶對推薦內(nèi)容的興趣程度。實驗對比結(jié)果表明,用此分析方法的分析效果可高達98%,對大規(guī)模社交網(wǎng)絡(luò)用戶的個性化推薦具有良好的可擴展性。