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:
随着互联网的普及,人们从海量的信息中搜索出自己所需要的信息无疑变得非常困难.推荐系统能够通过分析用户的兴趣和行为而智能地向用户推荐所需信息,因而得到人们的青睐,并激发了各界人士对它的研究兴趣.基于ALS的协同过滤推荐算法是推荐系统中比较常用的一种通过矩阵分解技术进行推荐的算法,它通过综合大量的用户评分数据进行计算,并存储计算过程中产生的庞大特征矩阵,如果在单节点上运行可能会遇到计算速度的瓶颈.Spark是一种新型的分布式大数据通用计算平台,具有优异的计算性能,本文主要对现有的基于ALS的协同过滤算法和Spark进行了研究,实现了基于ALS的协同过滤算法在Spark上的并行化运行,并且通过实验与Hadoop对比证明了该算法在Spark上运行的快速性.
推荐文章
基于Spark的并行ALS协同过滤算法研究
ALS
协同过滤
矩阵分解
HighAvailable
Spark
基于Spark的协同过滤算法并行化研究
协同过滤
Spark平台
并行化
基于项目
基于Spark架构的艺术学慕课资源协同过滤推荐算法研究
协同过滤推荐算法
Spark架构
艺术学慕课资源
用户评分预测
用户-资源评分关系模型
相似度计算
基于Spark Streaming的增量协同过滤算法
协同过滤
推荐系统
增量计算
实时流计算
SparkStreaming
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Spark的协同过滤算法的研究
来源期刊 系统仿真技术 学科
关键词 推荐系统 协同过滤 矩阵分解 ALS Spark
年,卷(期) 2016,(1) 所属期刊栏目 论文交流
研究方向 页码范围 40-45
页数 6页 分类号
字数 3752字 语种 中文
DOI
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 王中杰 同济大学电子与信息工程学院 56 413 11.0 17.0
2 于娜娜 同济大学电子与信息工程学院 2 22 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (43)
参考文献  (6)
节点文献
引证文献  (20)
同被引文献  (61)
二级引证文献  (56)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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)
2017(11)
  • 引证文献(7)
  • 二级引证文献(4)
2018(26)
  • 引证文献(8)
  • 二级引证文献(18)
2019(26)
  • 引证文献(4)
  • 二级引证文献(22)
2020(13)
  • 引证文献(1)
  • 二级引证文献(12)
研究主题发展历程
节点文献
推荐系统
协同过滤
矩阵分解
ALS
Spark
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
系统仿真技术
季刊
1673-1964
31-1945/TP
大16开
上海市四平路1239号同济大学242信箱
2005
chi
出版文献量(篇)
971
总下载数(次)
6
总被引数(次)
3542
论文1v1指导