作者:
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:
对用户需求的了解是电子商务企业服务好用户的关键。而随着用户量和数据量的不断增长,传统的单机算法越来越难以满足业务的需求,而基于Spark+MLlib的分布式机器学习算法可以给我们提供很大帮助。本文主要分享使用Spark+MLlib构建用户标签系统的实现方法和实践经验等。
推荐文章
基于利用可靠用户网络补充标签的服务推荐
社交关系
可靠性网络
协同过滤
服务推荐
基于Spark的移动用户行为 轨迹大数据分析
移动用户行为
轨迹分析
分布式处理
Spark
基于用户标签的微博推荐算法
微博推荐算法
用户标签
TextRank排序方法
微博列表
效应函数
生命周期
基于Spark的用户上网WAP日志分析
大数据
分布式
Hadoop
Spark
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 使用Spark+MLlib构建用户标签系统
来源期刊 程序员 学科 工学
关键词 用户需求 标签系统 机器学习算法 电子商务企业 实践经验 数据量 分布式
年,卷(期) 2014,(7) 所属期刊栏目
研究方向 页码范围 116-120
页数 5页 分类号 TP181
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 梁堰波 3 10 2.0 3.0
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (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
用户需求
标签系统
机器学习算法
电子商务企业
实践经验
数据量
分布式
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
程序员
月刊
1672-3252
11-5038/G2
16开
北京市朝阳区广顺北大街33号院1号楼福码
2-665
2000
chi
出版文献量(篇)
10184
总下载数(次)
35
总被引数(次)
6420
论文1v1指导