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:
协同过滤算法广泛应用于电子商务网站的推荐系统中,它基于对大量用户历史行为数据的分析,挖掘用户的兴趣并向用户推荐合适的产品.为了能够处理大数据文件,使用Apache Mahout、MapReduce并行框架和和协同过滤进行有效并行查询处理.实验结果表明,该系统能够在大数据集上实现高效率和高可靠性.系统不仅限于电影推荐,还可以应用于电子商务的许多其他领域.
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
基于大数据技术的有线电视推荐系统研究
大数据
有线电视
Hadoop
推荐算法
协同过滤
基于迁移学习的并行化大数据流传输系统设计
并行化大数据流
数据流传输
系统设计
迁移学习算法
吞吐量测试
数据矩阵
时空大数据推荐系统设计与实现
时空大数据
推荐系统
用户画像
产品特征库
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 基于大数据的高效并行推荐系统
来源期刊 电脑编程技巧与维护 学科
关键词 推荐系统 MapReduce模型 协同过滤 大数据
年,卷(期) 2022,(2) 所属期刊栏目 数据库与信息管理
研究方向 页码范围 78-80
页数 3页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1006-4052.2022.02.025
五维指标
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)
2022(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
推荐系统
MapReduce模型
协同过滤
大数据
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
电脑编程技巧与维护
月刊
1006-4052
11-3411/TP
大16开
北京市海淀区长春桥路5号六号楼1209室
82-715
1994
chi
出版文献量(篇)
14554
总下载数(次)
80
总被引数(次)
25630
论文1v1指导