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
基于主题聚类的 Web资源个性化推荐研究
语义网
主题
隐式跟踪
个性化推荐
基于聚类协作过滤的个性推荐系统的实现
聚类
协作过滤
个性化推荐
基于改进ROCK算法的个性化推荐系统研究
Web数据挖掘
聚类
ROCK算法
个性化推荐
基于个性化特征的协同过滤推荐算法
个性化特征
协同过滤推荐
评分模型
项目属性
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:中旬刊 学科 工学
关键词 K—means聚类算法 HADOOP 并行化
年,卷(期) 2014,(10) 所属期刊栏目
研究方向 页码范围 43-46
页数 4页 分类号 TP311
字数 语种
DOI
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  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(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:中旬刊
月刊
1007-1423
44-1415/TP
广州市海珠区新港西路135号中山大学园B
46-205
出版文献量(篇)
9067
总下载数(次)
3
论文1v1指导