● 摘要
广大网络用户在Web2.0时代面临着信息过载的问题，而推荐系统是解决信息过载的有效手段。图片是网页中重要的信息载体，相比文字，它能简洁直接的表达更丰富、更易懂的信息。现有的推荐系统多是网站站内的推荐系统，而且推荐内容多是新闻、商品和视频等，没有针对图片的推荐。
通过对推荐系统相关技术的研究，基于云计算平台，本文设计和实现了一套推荐系统，它向互联网上网页中富含图片的网站提供站内相关图集推荐服务。它以开通服务站点的图集作为推荐内容，以其用户当前浏览的图片为推荐载体，向该站点的用户推荐与其当前浏览图片相关的图集。
本文从站点图集内容模型的构建、离线推荐算法的实现、离线数据挖掘和推荐结果的召回、过滤和排序等方面对推荐系统进行自底而上的描述。首先介绍了课题背景与意义，对推荐系统的国内外研究现状进行了研究，确定了系统的研究目标与内容。其次明确了系统的业务逻辑，分析了系统的功能性和非功能性需求。然后完成了系统的概要设计，对系统划分层次和模块，明确了每个模块的功能，提出了系统在大数据的存储计算、推荐算法、推荐结果排序和网页中图集信息提取等方面的技术难点以及相应的解决方案。之后对基于Hadoop和Storm的内容模型、基于Hadoop的协同过滤模块、离线的CTR预估模型训练模块和在线计算模块等进行了详细设计和实现。最后介绍了系统的测试评估，通过离线评估和在线的AB-Test验证了数据的正确性、算法的有效性和系统的可用性与可靠性。