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:
传统的协同过滤推荐技术在大数据环境下存在一定的不足。针对该问题,提出了一种基于云计算技术的个性化推荐方法:将大数据集和推荐计算分解到多台计算机上并行处理。在对经典ItemCF算法MapReduce化后,建立了一个基于Hadoop开源框架的并行推荐引擎,并通过在已商用的英语训练平台上进行学习推荐工作验证了该系统的有效性。实验结果表明,在集群中使用云计算技术处理海量数据,可以大大提高推荐系统的可扩展性。
推荐文章
基于大数据的Web个性化推荐系统设计
大数据
Hadoop
Web个性化推荐
系统设计
Sqoop
H-ICRS算法
云计算环境下的学习资源个性化推荐技术研究
个性化推荐
协同过滤
学习资源推荐
用户影响关系
教育推荐
基于个性化特征的电子商务智能推荐系统
个性化特征
电子商务
智能推荐系统
MAE值
预测精确度
数据组
基于约束满足的个性化西服定制推荐系统
个性化定制
西服定制
需求获取
推荐系统
约束满足问题
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 基于云计算技术的个性化推荐系统
来源期刊 计算机工程与应用 学科 工学
关键词 推荐系统 基于物品的协同过滤 MapReduce ItemCF-MR算法 学习资源推荐
年,卷(期) 2015,(13) 所属期刊栏目 数据库、数据挖掘、机器学习
研究方向 页码范围 111-117
页数 7页 分类号 TP39
字数 6373字 语种 中文
DOI 10.3778/j.issn.1002-8331.1409-0134
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 刘亚军 东南大学计算机科学与工程学院 35 480 13.0 21.0
2 应毅 三江学院软件学院 41 224 8.0 14.0
6 陈诚 1 36 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (52)
共引文献  (330)
参考文献  (11)
节点文献
引证文献  (36)
同被引文献  (115)
二级引证文献  (260)
1963(1)
  • 参考文献(0)
  • 二级参考文献(1)
1969(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(1)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(8)
  • 参考文献(0)
  • 二级参考文献(8)
2008(9)
  • 参考文献(1)
  • 二级参考文献(8)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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(22)
  • 引证文献(15)
  • 二级引证文献(7)
2017(52)
  • 引证文献(5)
  • 二级引证文献(47)
2018(107)
  • 引证文献(10)
  • 二级引证文献(97)
2019(78)
  • 引证文献(6)
  • 二级引证文献(72)
2020(37)
  • 引证文献(0)
  • 二级引证文献(37)
研究主题发展历程
节点文献
推荐系统
基于物品的协同过滤
MapReduce
ItemCF-MR算法
学习资源推荐
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导