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:
随着Web技术的发展,互联网用户数量持续增长,快速为用户生成精确推荐变得愈加困难。提出了项目协同过滤算法,采用余弦相似性计算项目间相似度并用加权平均值的方法为用户生成推荐结果。在Apache Spark上构建该系统,对抓取到的某电商商品数据进行测试。实验结果表明,基于Spark的推荐系统可以显著提高推荐生成的速度和有效性。
推荐文章
基于Spark的混合协同过滤算法改进与实现
集成学习
协同过滤
稀疏性
扩展性
Spark流式计算
增量模型
分类
基于协同过滤的景区旅游智能推荐系统设计
协同过滤
景区旅游
智能推荐
信息资源
用户需求
个性化
协同过滤算法的研究
推荐系统
协同过滤
基于用户的算法
基于物品的算法
基于协同过滤算法的室内设计推荐技术
协同过滤算法
室内设计
推荐技术
特征提取
算法设计
预测评分
权重矩阵
推荐模型
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Apache Spark的协同过滤系统设计与实现
来源期刊 软件导刊 学科 工学
关键词 Apache Spark 协同过滤 推荐系统
年,卷(期) 2015,(1) 所属期刊栏目 软件开发与应用
研究方向 页码范围 97-99
页数 3页 分类号 TP319
字数 662字 语种 中文
DOI 10.11907/rjdk.143871
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 李淑琴 北京信息科技大学计算机学院 76 180 7.0 11.0
2 曾星宇 北京信息科技大学计算机学院 2 13 2.0 2.0
3 陈斌 北京信息科技大学计算机学院 2 13 2.0 2.0
4 帅凯严 北京信息科技大学计算机学院 1 11 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  (2)
节点文献
引证文献  (11)
同被引文献  (3)
二级引证文献  (17)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(5)
  • 引证文献(5)
  • 二级引证文献(0)
2017(6)
  • 引证文献(4)
  • 二级引证文献(2)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(11)
  • 引证文献(1)
  • 二级引证文献(10)
研究主题发展历程
节点文献
Apache Spark
协同过滤
推荐系统
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
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导