本文在新兴电子商务模式C2B(Customer to Business)的背景下,分析阐述了传统用户档案数据信息推送系统目前存在的局限性和不足。同时随着大数据的普及,本文需要将大数据量的档案信息与电子商务模式相结合,尽可能的挖掘档案的信息价值,实现一定程度的档案智能信息化。本文的主要创新点可以大致的概括为以下三个方面:1.以用户协同过滤算法和相似度算法混合使用的网络推荐算法在Hadoop平台上分布式实现,通过用户对系统使用的体验及产生的数据上体现出了积极的影响。随着用户档案数的增加,用户协同过滤和相似度算法的加速比都能够线性增加,证明了分布式计算机任务可以积极的进行并行处理且不受制于性能,同时算法具有相当灵活的可扩展性。2.除了借助Hadoop对系统原型进行实现同时解决海量数据的问题,还借助了很多实用的开源工具诸如Mahout,Sqoop,ganglia来使得档案推荐系统拥有较高性能的分布式并行处理能力。3.系统模式有了创新,后台可以配置个性化要求的商品,在最大程度实现C2B个性化定制的同时,通过用户信息和商品信息得出最合适的商品档案。极大发挥了用户档案的真正价值意义。依托以上创新点,本文设计构建了一个C2B模式下基于大数据的智能信息化档案系统的总体系统和框架,将大量的档案数据存储在Hadoop的HDFS中,并给出了在Mapreduce上分布式设计和实现档案推荐并行处理的推荐算法。在此框架的基础上将档案数据与新兴电子商务模式相结合,通过协同过滤算法与相似度算法相结合的混合推荐算法,尽可能发挥出了用户档案数据的价值,将最为合适的商品推荐到用户的面前。