基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对于具有海量信息的个性化推荐问题,K-means聚类算法的传统实现方式已不能快速准确地满足要求。基于目前最为流行的开源云计算平台Hadoop及分布式计算框架MapReduce,实现K-means聚类算法的并行化。给出该算法的具体实现,实验表明能够较好地解决时间瓶颈问题。
推荐文章
一种基于用户情境聚类的个性化推荐算法
情境感知
聚类
个性化推荐
基于聚类的个性化图书推荐技术研究
聚类
个性化图书推荐
k-means
基于页面聚类的个性化推荐算法研究
页面聚类
个性化
推荐算法
Hadoop下基于聚类协同过滤推荐算法优化的研究
协同过滤
数据稀疏性
扩展性
聚类
Hadoop
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Hadoop的聚类算法实现个性化推荐
来源期刊 现代计算机(普及版) 学科
关键词 K-means聚类算法 Hadoop 并行化
年,卷(期) 2014,(10) 所属期刊栏目 研究与开发
研究方向 页码范围 43-46
页数 4页 分类号
字数 2084字 语种 中文
DOI 10.3969/j.issn.1007-1423.2014.29.010
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 万保成 吉林农业大学信息技术学院 16 27 2.0 5.0
2 牛太阳 吉林农业大学信息技术学院 5 1 1.0 1.0
3 韩佳新 吉林农业大学信息技术学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (94)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-means聚类算法
Hadoop
并行化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代计算机(普及版)
月刊
1007-1423
44-1415/TP
16开
广东省广州市
46-205
1985
chi
出版文献量(篇)
7135
总下载数(次)
4
总被引数(次)
3032
论文1v1指导