随着电子商务的迅猛发展,市场对物流配送服务的需求迅速上升,物流配送业得到空前发展壮大。目前存在众多物流商所提供的配送服务,这些服务在满足客户基本配送要求的同时,服务质量不尽相同,客户对服务的费用、时效、安全性等因素的需求偏好因个体差异而趋于个性化,因此每个客户实际感兴趣的配送服务数量有限,需要花费大量的时间去寻找适合自己的物流配送服务。因此如何让客户便捷、准确的获得满足个性化需求的物流配送服务成为现代物流配送业的重要研究问题。通过构建推荐系统可以解决上述问题,为了使推荐系统具有良好的大数据处理能力,本文将推荐系统与Spark大数据计算框架结合,应用于物流配送领域,帮客户选择满足个性化需求的物流配送服务,以此为切入点完成了以下几点工作:(1)为了获取客户对物流配送服务的个性化需求和兴趣,建立客户偏好模型,从多维度对客户的需求和兴趣进行描述,通过对收集的静态偏好信息和动态偏好信息分析使用空间向量表示和矩阵表示实现客户偏好建模。(2)为了获取物流配送服务的特征,建立了服务评价模型,通过将收集到的用户对服务质量多个属性的评分信息进行统计,得到服务每个属性的综合评分值,通过层次分析法可得到服务每个属性对应的权重,将每个属性的评分值加权求和,得到服务的综合评分值,在此基础上,将配送服务向量化来实现服务特征建模。(3)将客户的偏好模型与服务特征模型相结合,对传统推荐算法进行研究,针对不同的适用情形,提出基于多属性协同过滤、基于内容、基于人口统计学的服务推荐算法,通过实验对比分析,验证每种算法在不同情形下推荐的有效性。(4)在物流配送服务推荐算法研究和需求分析的基础上,分别从架构、功能、和数据库等方面设计一个物流配送服务推荐系统,并确定使用Spark计算框架来开发推荐模块,完成相关的平台环境搭建,实现在Spark平台上的物流配送服务推荐系统。