大数据时代背景下，基于Hadoop平台构建的电商推荐系统面临数据处理效率低下、难以根据用户实时行为进行推荐的问题。针对Hadoop平台存在的问题，本文提出了基于Spark框架构建的电商实时推荐系统，通过借助Spark框架平台及其组件采集用户行为日志数据，并进行用户隐性行为分析和离线推荐系统训练，提高了离线推荐系统效率。同时，借助Spark Streaming流处理技术，实时推荐系统可对日志数据进行过滤，获取用户ID、商品ID等关键信息，并通过离线推荐结果与实时推荐结果整合，实现实时推荐系统商品排序动态交互调整，达到改善用户电商平台交互体验和电商平台转化率的目的。
同刊文献
| 基于Web的管廊可视化信息管理系统设计与实现探讨 | 2022 |
| 计算机技术在自动化设计中的应用 | 2021 |
| 物联网信息感知与交互技术 | 2021 |
| 浅谈计算机网络安全技术在电子商务中的应用 | 2021 |
| 医院计算机网络信息资源管理研究 | 2021 |