社交网络大数据下贪婪式实时网站推荐算法

• 作者: 史春雷 娄建楼 曲朝阳 王玲 邹伟
• 来源期刊: 计算机应用研究
• 关键词: 社交网络大数据 Hadoop 网站推荐 实时
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 算法研究与探讨
• 页码范围: 1361-1364
• 页数: 4页
• 分类号: TP301.6|TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.05.020

摘要

社交网络每天都会产生结构化、半结构和非结构化的大数据，数据的增长速度超过了对硬件需求的摩尔定律。在社交网络中还存在各种恶意评价、刷分和刷网站关注度等不良现象，对大数据的分析处理带来了巨大挑战。为了提高数据的处理效率和网站推荐的准确性，提出了一种在 Hadoop 云平台下基于用户的贪婪式实时近似网站推荐的 RT-G 算法。算法通过迭代寻优算法找到最合适的用户数量作为网站推荐评价的用户标准，应用频度近似算法完成对网站的推荐，通过实验证明了方法的效率和有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲朝阳	东北电力大学信息工程学院	104	1025	15.0	26.0
2	娄建楼	东北电力大学信息工程学院	17	122	6.0	11.0
3	王玲	东北电力大学信息工程学院	8	7	1.0	2.0
4	邹伟	东北电力大学信息工程学院	1	6	1.0	1.0
5	史春雷	东北电力大学信息工程学院	2	6	1.0	2.0