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:
Top-n推荐技术是近年来信息服务领域的一个研究重点和热点。针对云环境下的top-n推荐算法进行了深入研究,提出了适合top-n推荐的多层分布式存储架构MDSA(Multilayer Distributed Storage Architecture),并从降低网络传输代价出发,设计了基于MDSA架构的数据编码模式,进而利用map/reduce分布式编程模型来快速实现top-n推荐。此外,为了满足实际的需求,给出了三种top-n推荐的应用扩展。理论分析和实验结果表明,本文所提的方法具有有效性和实用性。
推荐文章
基于社交用户标签的混合top-N推荐方法
推荐系统
协同过滤
社交网络
个性化标签
冷启动
基于用户谱聚类的Top-N协同过滤推荐算法
协同过滤
相似度
历史反馈信息
谱聚类
召回率
基于社交用户标签的混合top-N推荐方法
推荐系统
协同过滤
社交网络
个性化标签
冷启动
基于密度的Top-n局部异常点快速检测算法
异常检测
局部异常检测
Top-n
剪枝策略
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 云环境下top-n推荐算法
来源期刊 电子学报 学科 工学
关键词 云数据 top-n推荐 mapreduce 信息服务
年,卷(期) 2015,(1) 所属期刊栏目 学术论文
研究方向 页码范围 54-61
页数 8页 分类号 TP311.13
字数 8747字 语种 中文
DOI 10.3969/j.issn.0372-2112.2015.01.009
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 黄震华 同济大学计算机科学与工程系 30 350 9.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (12)
参考文献  (3)
节点文献
引证文献  (8)
同被引文献  (22)
二级引证文献  (13)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(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)
2016(4)
  • 引证文献(3)
  • 二级引证文献(1)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(7)
  • 引证文献(2)
  • 二级引证文献(5)
2019(6)
  • 引证文献(1)
  • 二级引证文献(5)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
云数据
top-n推荐
mapreduce
信息服务
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
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导