共同好友推荐java_驻云科技基于MaxCompute搭建社交好友推荐系统

公司介绍

驻云科技是国内领先的云技术服务提供商，致力于将普惠计算能力落实到每家企业，通过输出多年的云服务经验和能力，帮助企业充分利用云计算和新技术的优势，有效管理和优化其 IT 架构，用数据连接业务，持续创新，助力企业在新时代获得成功。CloudCare 是驻云科技旗下的一站式 IT 服务品牌，通过将多年的云服务经验数字化，结合基于人工智能的云管理协作平台，提供丰富的产品、一系列专家服务、成熟的解决方案，以及云上开发和交付。

大数据在好友推荐系统中的应用

驻云科技基于MaxCompute搭建了社交好友推荐系统，使用MaxCompute阿里的大数据计算的方法在这种场景下可以完成社交好友推荐。现在大家都在讲大数据，如果想去使用这些数据，需要具备三个要素：

• 海量的数据

数据量越多越好，只有数据量达到了足够大，我们才能从数据中挖掘出来更多有用信息。

• 处理数据的能力

有了这样很高的快速处理数据的能力，可以让我们更快的去把数据里面的信息挖掘出来。

• 商业变现的场景

我们采集大数据的时候，并不是数据越多越好，一定要有一个具体的场景。以推荐系统为例来看一下大数据的一个应用。
支付宝首页有一栏推荐可能是你的好友，那些人都是你可能认识的人，但是双方并未互加好友。Linkin是一个求职社交网站，Linkin 也会告诉你哪一些用户是你潜在的好友，而且Linkin会告诉你这个好友跟你是一度的关系的还是两度的关系或者是三度的关系。潜在关联性高的，会在前面直接显示出来，潜在关联性没有那么高的也会在后面显示出来，这两个都是典型的一个好友推荐。 进行好友推荐的时候，怎么给用户进行推荐，首先这两个人是非好友的关系，然后去看一下他们俩潜在共同好友的处理，通过这种方式去给用户推送，潜在好友数量多，就认为这两个人是好友关系。