大資料多元尺度在網路使用者偏好分析之應用
由於現在網路發展的非常快速，資料的產生速度以及使用方式已經超過人們的分析能力與解讀能力，因此近來大資料計算是一個很重要的研究課題，許多科學家與研究單位都積極地投入大量的研究資源，目的就是要研究這些龐大的資料要如何去分析，或是解讀。特別是大型網站上的資料，使用者的數量和可點選的項目是隨著時間不斷增加，如何分析這類的資料是一個重要的課題。 我們將介紹如何利用Python程式的特性對大型網站進行使用者偏好分析，透過亂數投影和分解-合成多元尺度法的合作，做到使用者偏好網路的建制，協助大型網站對使用者進行即時性的閱讀項目推薦。我們提出Data is cache for dimension reduct...
| Main Author: | |
|---|---|
| Language: | 中文 |
| Published: |
國立政治大學
|
| Subjects: | |
| Online Access: | http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22G0098751012%22. |
| Summary: | 由於現在網路發展的非常快速，資料的產生速度以及使用方式已經超過人們的分析能力與解讀能力，因此近來大資料計算是一個很重要的研究課題，許多科學家與研究單位都積極地投入大量的研究資源，目的就是要研究這些龐大的資料要如何去分析，或是解讀。特別是大型網站上的資料，使用者的數量和可點選的項目是隨著時間不斷增加，如何分析這類的資料是一個重要的課題。
我們將介紹如何利用Python程式的特性對大型網站進行使用者偏好分析，透過亂數投影和分解-合成多元尺度法的合作，做到使用者偏好網路的建制，協助大型網站對使用者進行即時性的閱讀項目推薦。我們提出Data is cache for dimension reduction 的概念，說明大資料計算必須配合資料庫才能達到真正的快速計算結果。 |
|---|