10.3969/j.issn.1672-9722.2020.05.033
基于Spark Streaming实时推荐系统的研究与设计
随着互联网的普及,人们面临着大量的信息,但是有效的信息较少[1],这就造成了人们获得有效的信息困难的问题,因此推荐系统就尤为重要,论文提出了一种基于Spark Streaming实时、动态的推荐系统.论文主要研究的是:1)提出了一种基于Spark Streaming的实时推荐系统.2)研究了Spark数据倾斜、内存分配不均和卡顿问题,提出了一种根据Task大小分多级应用执行的策略.3)研究了基于模型的协同过滤算法,以及实时推荐系统的可行性并详细讲解ALS(交替最小二乘法)的思想,然后在Spark Streaming框架上运用ALS算法进行测试,评估实时推荐中算法的可靠性.
Kafka Spark Streaming、协同过滤算法、实时推荐
48
TP391.3(计算技术、计算机技术)
2020-07-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
1172-1175