1、隨著移動互聯(lián)網(wǎng)的迅猛發(fā)展，智能手機、平板電腦普遍出現(xiàn)在人們的日常生活中，運行在智能終端上的App（應用程序）極大地豐富了人們的生活。雖然用戶可以在應用分發(fā)市場搜索和下載App，但這些市場缺乏有效的個性化推薦，一般只是將若干熱門應用推薦給用戶。這使得用戶在海量App應用中難以發(fā)現(xiàn)真正適合自己興趣愛好的App，找到的總是大眾口味的App應用；同時也不利于新發(fā)布的優(yōu)質(zhì)App被用戶發(fā)現(xiàn)，給App開發(fā)者的積極性和創(chuàng)造力帶來負面影響。
　　本

2、論文旨在通過對云計算、Hadoop分布式框架和推薦算法進行研究，并結(jié)合App個性化推薦這一特定應用場景，提出了針對智能終端設(shè)備的個性化App推薦整體解決方案，并最終搭建出該推薦系統(tǒng)。
　　本論文主要研究了云計算，Hadoop分布式架構(gòu)，推薦算法及針對App推薦的改進算法，推薦系統(tǒng)前端、后臺、推薦集群的整體搭建等。該推薦系統(tǒng)的用戶信息收集功能是基于一款智能終端設(shè)備的桌面應用程序，主要收集了用戶的App安裝、使用和反饋信息。后臺使用B

3、AE云服務器，對推薦系統(tǒng)各功能模塊進行控制。推薦算法運行環(huán)境為本地PC集群Hadoop框架。算法部分主要使用Mahout的基于用戶的協(xié)同過濾算法，并利用App分類信息對推薦算法進行了改進。本論文將完成如下工作：
　　1）收集用戶App使用信息，以分布式App個性化推薦作為關(guān)鍵技術(shù)點。
　　2）分析收集的用戶App數(shù)據(jù)，研究App的各屬性，確定使用App的分類信息作為對推薦算法改進的主要途徑，并從降低數(shù)據(jù)稀疏性、相似度計算、推