

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的快速發(fā)展,信息過載已經(jīng)成為互聯(lián)網(wǎng)領域面臨的重要挑戰(zhàn)。為了緩解互聯(lián)網(wǎng)用戶與海量數(shù)據(jù)間日益加劇的矛盾,研究人員提出了推薦系統(tǒng)的概念。作為推薦系統(tǒng)的一個重要分支,混合推薦系統(tǒng)通過組合多種推薦算法提高系統(tǒng)性能,目前廣泛應用于電子商務、社交網(wǎng)絡和視頻網(wǎng)站等領域。然而,用戶量與數(shù)據(jù)量的急速增長對混合推薦系統(tǒng)的性能提出了更高的要求。例如,視頻網(wǎng)站要求混合推薦系統(tǒng)為用戶精準推薦各類視頻,并根據(jù)用戶行為的變化訓練新的模型,及時更新推薦結果。
2、由于數(shù)據(jù)量的增加,開發(fā)人員難以利用經(jīng)驗確定各推薦算法對最終結果的影響程度。因此,粗粒度權重計算方法影響混合推薦系統(tǒng)的精度,增加開發(fā)難度。此外,由于系統(tǒng)基于大規(guī)模數(shù)據(jù)訓練特征模型,訓練過程包含大量迭代計算,使得訓練一次模型的時間為一天甚至幾天,難以滿足用戶對推薦系統(tǒng)效率的需求。
本文通過分析不同的數(shù)據(jù)集、推薦算法以及權重計算方法的特點,引入適用于迭代計算的通用大規(guī)模數(shù)據(jù)處理平臺Spark,設計并實現(xiàn)了基于Spark的混合推薦系統(tǒng)
3、,以提高推薦系統(tǒng)的精度、多樣性和效率。本文的主要工作及創(chuàng)新點如下:
1.首先,本文提出一種細粒度權重計算方法,將各推薦算法的權值擴展為權重向量。該方法提高了評分預測推薦的精度,并有效緩解數(shù)據(jù)稀疏帶來的冷啟動問題;
2.其次,本文基于大規(guī)模數(shù)據(jù)處理框架Spark,以細粒度權重計算方法為核心,設計實現(xiàn)細粒度權重混合子系統(tǒng)。該子系統(tǒng)基于分布式計算框架Spark降低模型訓練時間,并利用細粒度權重計算方法提高推薦精度。實驗結果
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(nèi)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(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)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Spark的混合推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于Spark的推薦系統(tǒng)的研究.pdf
- 基于Spark的混合協(xié)同過濾推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于Spark平臺的混合推薦算法的研究與實現(xiàn).pdf
- 基于Spark平臺推薦系統(tǒng)研究.pdf
- 基于Spark的推薦系統(tǒng)的設計與實現(xiàn).pdf
- 基于Spark的高考推薦系統(tǒng)設計與實現(xiàn).pdf
- 基于位置的推薦計算:Spark實現(xiàn).pdf
- 基于Spark平臺大數(shù)據(jù)推薦系統(tǒng)的研究.pdf
- 基于Spark的個性化推薦系統(tǒng)設計與實現(xiàn).pdf
- 基于Spark的個性化推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于spark的個性化推薦系統(tǒng)設計與實現(xiàn)
- 基于混合推薦技術的推薦系統(tǒng)設計與實現(xiàn).pdf
- 基于Spark平臺的實時流計算推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于混合模型的推薦系統(tǒng)的研究.pdf
- 基于混合語義矩陣的視頻推薦系統(tǒng).pdf
- 基于混合推薦的電影推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于混合推薦技術的推薦系統(tǒng)設計與實現(xiàn)
- 基于混合推薦的手機閱讀推薦系統(tǒng)的研究與實現(xiàn).pdf
- 基于Spark的并行推薦算法的研究與實現(xiàn).pdf
評論
0/150
提交評論