基于Mahout的高校图书馆个性化推荐应用研究

为读者提供个性化推荐服务是高校图书馆智慧服务一项重要的内容。高校图书馆可以开发基于协同过滤推荐等方法来构建个性化推荐应用系统。重点介绍了利用Apache Mahout包含的推荐引擎Taste组件开发图书个性化推荐的流程和核心模块实现,模拟数据测试显示该系统实现了初步的推荐。

基于Mahout的推荐系统的分析与设计

推荐系统是一种根据用户喜好做出预测的应用系统,本文通过对推荐系统以及推荐系统的理论,包括相似度、协同过滤、基于内容等介绍,并对基于Mahout系统交互模型和系统架构进行分析介绍,最后分析了基于Mahout的推荐系统在大数据时代的优势。

基于Mahout分布式协同过滤推荐算法分析与实现

随着信息技术和互联网的发展,在信息过载的时代,用户面对海量的信息,难以正确选择。协同过滤推荐是个性化推荐中比较成熟的算法,但其稀疏性、冷启动、可扩展性问题仍然存在,尤其是不能应用于分布式推荐。在Hadoop平台上,Mahout实现了分布式基于项目的协同过滤推荐算法,该算法能够有效解决传统算法的海量数据处理的效率问题和可扩展性问题。实验结果表明,Mahout上基于项目的协同过滤推荐算法具有较好的计算高效性和可扩展性。

基于Mahout的推荐系统构建

推荐系统是建立在用户、项目及用户对项目评价的基础上,针对信息过载问题对其进行处理,挖掘找到相似的用户,利用用户的相似性,向用户推荐其感兴趣和所需要的项目。为了实现个性化推荐功能,构建起推荐系统的运行开发环境,配置工程依赖关系文件,实现布尔推荐原型系统。

Mahout策略下矿井监控视频异常行为推荐

首先完成矿井灾害中的异常行为分析,进而给出Mahout视频推荐策略的具体方案,即构建视频侧重参量,测算视频相似共生阵列并获取推荐值。最后完成Mahout策略下的矿井监控视频异常行为推荐,设置分析架构,完成片帮冒顶和瓦斯突出异常状况判别和推荐。

基于Hadoop和Mahout的钓鱼邮件检测技术研究

随着因特网的日益发展,网络空间的安全形势也愈发严峻。其中,以盗取用户敏感信息或者用户名口令为目的的网络钓鱼活动是网络犯罪行为中危害较大、影响较为严重的一种。针对网络钓鱼频发的现状,文中提出了一种基于Hadoop和mahout的钓鱼邮件检测方法,此方法采用hadoop平台的HDFS作为存储基础,Map Reduce作为并行计算框架.该方法对邮件信息进行特征提取,利用mahout的贝叶斯算法对钓鱼邮件进行检测。使用真实邮件数据集对该方法进行测试,取得了良好的效果。

一种基于WebMagic和Mahout的信息搜集与推荐系统

提出一种基于Java爬虫框架WebMagic和Mahout推荐引擎的信息搜集与推荐系统。首先利用WebMagic框架从多个信息源获取需要的数据,然后使用Jieba分词工具和余弦定理进行文本相似度判定,从而对数据进行处理,最后使用Mahout推荐引擎为用户推荐可能感兴趣的信息。

基于Mahout的个性化电子商务推荐系统研究

文章针对基于Mahout的个性化电子商务推荐系统研究,将从个性化电子商务推荐系统概述入手,结合Mahout简介,以及开发程序流程,对电子商务推荐算法实现展开论述。最后以实验为例进行了深入分析。文章旨在能为提升电子商务系统的整体功能提供参考性建议。

浅谈基于Mahout推荐引擎的构建

面对电子商务网站和用户的实际需求,构建一种基于Mahout的推荐引擎成为了目前急需解决的问题。本文首先介绍了系统开发环境的搭建,其中重点介绍了环境变量的配置,然后介绍了推荐引擎架构,最后创建了一个基于简单数据的推荐程序,清晰看到了Mahout推荐程序中各个组件的关系,实现了基于Mahout的推荐引擎构建,对初学者有一定的帮助。

基于Hadoop和Mahout的分布式推荐引擎的设计

推荐方法研究是信息检索、数据挖掘和机器学习等智能信息处理领域的研究热点。分数据存储层、产生推荐层和应用层3个层次,介绍了基于Hadoop和Mahout的分布式推荐引擎的设计方案。

大数据生态下基于Apache Mahout的推荐系统研究

大数据技术在给图书馆带来挑战的同时,也赋予了图书馆更多可用的新技术,Apache Mahout正是其中之一。ApacheMahout的出现有利于推荐系统在图书馆的广泛部署、原型化开发、系统优化、算法研究,以及适应大数据生态。

基于Hadoop和Mahout的大数据管理分析系统

随着数据量的爆炸性增长、数据结构的多样化和数据的流动性,传统的关系数据库系统已经无法满足大数据管理和分析的要求。因此有必要对基于大数据的数据管理和分析系统进行研究,以达到快速地统计和分析特定领域中海量结构化/非结构化数据,最终为决策提供支持的目的。提出一种基于Hadoop和Mahout的大数据管理分析系统。通过数据特性的分析,将数据分解后存入对应的数据库中进行管理。并在特定的应用领域中实现和验证了所提出的大数据管理分析系统,获得了优于已报道相关研究工作的数据分析结果。

LDA算法在Mahout下的高效实现(英文)

通过对运用Gibbs采样的Latent Dirichlet Allocation(LDA)算法和MapReduce计算框架的细致研究,实现了LDA算法在Mahout下的分布式并行计算.详细地考察了该分布式并行计算程序的计算性能,并深入地探讨了一些影响计算性能的关键问题.

基于Hadoop-Mahout的分布式课程推荐算法

针对MOOC(Massive Open Online Course)平台上同类及相似课程繁杂,在线学习者不易找到适合自己的课程,而导致学习效率降低,学习效果较差等问题,提出一种IRS课程评价方法,对在线课程进行相关的评价。结合用户偏好及IRS方法改进了机器学习框架Apache-Mahout的协同过滤推荐算法,对在线学习者进行个性化课程推荐。面对MOOC平台上大量的课程信息及学习者信息,基于Hadoop分布式云计算平台,设计了在线课程推荐并行算法。实验结果表明,提出的IRS推荐算法有效且适用于分布式云计算环境,同时验证了该算法在分布式环境下并行计算的高效性。

基于Mahout与协同过滤算法的中医调理文章推荐引擎

本文研究了推荐系统的相关知识,在传统的基于用户的协同过滤算法上引入了属性相似度,增加了相似度的准确度,提高了推荐性能;利用评估推荐器计算平均绝对误差评测、调整推荐器的性能;利用Mahout开源框架,结合协同过滤算法构建了中医调理文章推荐系统。

基于Mahout框架的社交网络服务数据过滤算法

针对目前社交网络服务数据中充斥着大量垃圾数据和广告数据的现状,提出一种基于Mahout框架的数据过滤算法。首先,采用Mahout框架对原始数据中的语素进行分析,得出具有特定语素的单词;然后,根据语素分析结果数据分类生成器为每个生成的语素词分配相应的权重,并得出对应句子的评估值;最后,将评估值与不同类别数据的参考值加以比较完成数据的分类,从而实现社交网络服务数据中有价值数据的过滤。仿真实验结果表明,该算法具有较好的过滤效果。

基于Mahout的个性化推荐系统架构

针对互联网企业的实际和用户需求,构建一种基于Mahout的个性化推荐系统架构。通过分析网站的数据特点,将数据分为静态数据和动态数据。当数据量不大时,根据数据特点选用Mahout单机内存推荐算法进行计算;当数据量很大时搭建分布式集群,将业务系统的静态数据定时地增量导入到Hadoop的HDFS中,然后用Mahout分布式推荐算法访问HDFS。计算后的结果,保存到业务系统的数据库中,与动态数据合并作为在线响应的输出。实验证明该方案可以绕过海量数据的高并发在线分析的问题,有效地缓解系统响应时间的压力。

Hadoop平台下Mahout聚类算法的比较研究

聚类是数据挖掘中的一门重要技术,用于将物理或抽象对象的集合划分成由相似对象构成的多个类。如何将传统聚类算法应用于大规模数据的聚类,是当前大数据研究领域中的热点研究问题。对云计算平台Hadoop下开源机器学习软件库——Mahout中的Canopy、标准K-means、模糊K-means 3种聚类算法的原理及其MapReduce实现进行了比较,并在构建的有不同个数节点的集群上,在不同规模的数据集下对这3种聚类算法进行了实验,从加速比、可扩展性和规模增长性3个方面进行比较。实验结果表明,在并行环境下:Canopy算法运行速度最快,K-means算法次之,模糊K-means最慢;3种算法均有较好的加速比,其中Canopy算法加速比最好,模糊K-means算法在数据量和节点个数达到一定规模后加速比大幅提高;3种算法均有较好的可扩展性和规模增长性,且随着数据规模增加,可扩展性和规模增长性增强,其中Canopy算法可扩展性最好,模糊K-means算法的可扩展性和规模增长性增强幅度最大。

基于Mahout命令的电影聚类分析与实现

研究使用mahout命令进行电影聚类分析,介绍了聚类算法、分类算法及推荐过滤算法等。同时结合mahout的特点,分别呈现两种算法即K-means与Canopy+K-means的原理,并采用从电影网站中爬取的几十条数据对算法进行测试与实现,两种算法最终都直观地得出此聚类所代表的电影信息。

浅谈Mahout技术在智慧城市中的应用

智慧城市是未来城市发展的必然趋势,建立智慧城市将是城市信息化的终极目标和战略方向。而Mahout作为一项开源技术,在众多领域被得到越来越多的应用。本文探讨了Mahout技术在智慧城市建设中的应用。