相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 3 条结果
- 基于Hadoop平台的Spark快数据推荐算法分析与应用北大核心CSTPCD摘要：Hadoop大数据平台上可以搭建Yarn,Mahout,Storm,GraphLab等框架,其提供了大数据的各种处理能力.但它们各自按自己的机制工作,整合度极低.虽然在Mahout框架中,对机器学习的算法支持较为完善,但是数据必需是离线的.在大数据时代,要求不仅具有处理能力,还强调了数据的时效性,以前的框架都显得有点力不从心.Spark是Hadoop平台上的新型利器,它的各个部分几乎能替代以前的分散的框架,且采用统一的处理机制,整合度…查看全部>>
- 融合朴素贝叶斯和协同过滤的外卖推荐并行算法研究北大核心CSTPCD
- 基于矩阵分解的协同过滤算法的并行化研究CSTPCD摘要：基于矩阵分解的协同过滤算法是近几年提出的一种协同过滤推荐技术，但其每项预测评分的计算都要综合大量评分数据，同时在计算时还需要存储庞大的特征矩阵，用单一节点来进行推荐将会遇到计算时间和计算资源的瓶颈。通过对现有的基于ALS(最小二乘法)的协同过滤算法在Hadoop上并行化实现的原理和特点进行深入的研究，得到了传统的迭代式算法在Hadoop上运算效率不高的原因。根据迭代式MapReduce思想，提出了循环感知任务调度算法、缓存静态数据、任…查看全部>>