版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的迅猛發(fā)展,信息爆炸使得人們越來越難以從大量內容中找到需要的信息。為解決信息過載問題,學術界及業(yè)界都進行了各種探索。推薦系統(tǒng)便是新興的被發(fā)展用來減輕用戶篩選負擔、為用戶提供個性化內容推薦的有力工具。目前,推薦系統(tǒng)已是各種互聯(lián)網(wǎng)應用的重要組成部分。另外,隨著數(shù)據(jù)和用戶的不斷增加,推薦系統(tǒng)面臨著分析海量數(shù)據(jù)和生成精確推薦的雙重挑戰(zhàn)。
Hadoop是一種主流的云計算平臺,它為大數(shù)據(jù)的存儲和并行處理提供了便利。其MapRe
2、duce編程框架是大規(guī)模機器學習的重要工具。機器學習是一門對數(shù)據(jù)構建概率模型并運用模型和統(tǒng)計學方法對數(shù)據(jù)進行分析與預測的學科。這些新興技術的出現(xiàn)為設計推薦系統(tǒng)提供了新的思路。論文以Hadoop為技術背景,對分布式并行計算做了研究,同時運用機器學習的有關理論和算法,圍繞推薦問題展開如下三方面的工作:第一,分析推薦領域的經(jīng)典算法、相關技術以及它們在擴展性上遇到的困難;第二,提出一種基于線性回歸模型的特征學習算法,該算法能從用戶對產(chǎn)品的歷史評
3、分中獲得產(chǎn)品屬性和用戶屬性的特征向量,進而用它們預測未知評分,產(chǎn)生推薦;第三,由于特征學習推薦算法需要對每個產(chǎn)品和用戶單獨建立高維特征向量,因此隨著產(chǎn)品和用戶的增加,算法將需要訓練數(shù)以億計的參數(shù),本文引入MapReduce技術,在Hadoop平臺上對算法做并行化改進。
本文提出的特征學習算法應用在MovieLens數(shù)據(jù)集上時,相比較傳統(tǒng)基于相似度的協(xié)同過濾算法預測精度更高,表明使用用戶特征向量和內容特征向量作線性擬合,是產(chǎn)生評
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于云平臺的個性化電影推薦算法研究.pdf
- 云計算平臺下的個性化推薦算法設計.pdf
- 基于云計算的推薦算法研究.pdf
- Hadoop云平臺調度算法研究.pdf
- 云計算平臺作業(yè)調度算法優(yōu)化研究.pdf
- 基于云計算平臺的智能推薦系統(tǒng)研究.pdf
- 云平臺下推薦系統(tǒng)的研究與改進.pdf
- 基于項目云的個性化推薦算法研究.pdf
- 基于RHadoop云平臺的推薦系統(tǒng)的研究與設計.pdf
- 云計算環(huán)境下協(xié)同過濾推薦算法研究.pdf
- 云平臺下任務調度算法的研究.pdf
- 基于云平臺的文本特征選擇算法研究.pdf
- Hadoop云計算平臺作業(yè)調度算法的研究.pdf
- 基于云平臺的聚類算法并行化研究.pdf
- 基于云平臺的光纖路由規(guī)劃算法研究.pdf
- 基于云計算平臺的聚類算法的研究.pdf
- 基于微博平臺的用戶推薦算法研究.pdf
- 基于云計算的分布式推薦引擎算法研究.pdf
- 基于Hadoop平臺的協(xié)同過濾推薦算法研究.pdf
- 云計算平臺上任務調度算法的研究.pdf
評論
0/150
提交評論