- 博客(0)
- 资源 (9)
- 收藏
- 关注
网络电视用户个性化直播频道推荐方法研究-PPT(任思璇).pptx
网络电视用户个性化直播频道推荐方法研究:网络电视两种类型,分为点播和直播服务,现如今我国的IPTV以广泛部署,直播频道从十几个增加至上百个,流量大的特点,存在切换延时
特定时间观看频道;一对用户的行为特征进行分析,二是推荐策略设计,三是效果对比;整体推荐思路
使用滑动窗口内的数据为用户进行模型训练,最终每个用户都拥有各自的推荐模型。
STB在预测当天实时采集用户当前观看频道信息,将相关信息送入该用户已训练好的推荐模型当中,并为用户进行推荐。
滑动窗口前移来保证推荐模型的更新。
2020-11-18
面向云环境的大数据迁移和部署研究_胡美芳.caj
面向云环境的大数据迁移和部署研究——在大数据时代,数据已经悄然地影响着我们的生活、工作和学习,诸如:社交网络、移动客户端的应用、可穿戴设备等所产生的数据,其产生规模向TB量级甚至PB量级的趋势递增。云计算技术,作为一种新型综合技术,为信息时代发展提供无限创造价值的空间。目前,政府、企业的软件和数据向云计算环境的迁移、部署和运行也属当前国家信息化建设的重大需求之一。本文通过结合云计算和大数据相关技术,研究面向云环境的大数据迁移和部署。
2020-11-18
一种面向分布式平台的基于用户访问热度的数据迁移部署方法
该方法主要涉及一个数据迁移部署控制系统、原始数据集以及该数据集对应的访问日志数据集。对于已迁移部署于分布式平台的列式数据集,根据其运行时用户访问日志信息,使用预测算法预测下一时段的访问量分布;根据预测得到的访问量分布计算出各个字段的访问次数排序;对预测访问次数最高的一列的字段的数据值的分布重新划分数据子区域,使得该字段的访问次数被均匀分配到新的数据子区域内;系统再根据访问次数最高的列重新划分的数据区域切分数据并在分布式平台上更新其数据部署。本发明结合用户对数据集的实际访问行为实现面向分布式平台的数据迁移部署,使得原始数据集访问热度最高列的访问热度被负载均衡到各个数据节点上,以实现数据集在分布式
2020-11-18
IETF数据迁移草案
This document describes a standardized framework for implementing the
massive data migration between traditional databases and big-data
platforms on the cloud via Internet, especially for an instance of
Hadoop data architecture. The main goal of the framework is to
provide more concise
2020-11-18
IPTV推进系统研究
IPTV 的直播频道推荐不同于点播频道推荐,直播频道的用户特征更复杂。 通过用户的数据记录去理解用户行为是至关重要的。文献通过对频道收看数据 (收看频道数、频道收看时长)以及频道切换数据(频道切换频率、频道驻留时 间、频道切换方式)的统计,对用户行为做出分析。然后分别运用 6 种基本推荐 方法建立推荐系统,利用数据对这些推荐系统进行训练和测试并在不同条件下对 比分析。对于不同活跃度用户,推荐系统也有着不同的表现,为进一步提高推荐 精度,对不同融合方法的推荐系统做出比较。其中 personal popularity 和 personal schedule 两个方法对推荐精度的影响最大
2020-11-18
多媒体通信2
方法是:
* 在latex文件的说明部分加上: \usepackage{CJK}
* 在latex文件的\begin{document}后加上: \begin{CJK*}{GB}{字体
}
其中的"字体"是文章中要采用的缺省字体, 有7种选择:
* 黑体: gchei
* 宋体: gcsong
* 楷体: gckai
* 仿宋: gcfang
* 隶书: gcdls
* 魏碑: gcwei
* 综艺: gchw
* 在文章中需要变换字体的地方加上: \CJKfamily{字体}
* 在文章结束语句\end{document}之前加上\end{CJK*}
这里有一个"{CJK*}{GB}{字体}"方式具体使用情况的简单例子。
2013-11-13
多媒体通信教学材料1
── 分布式计算开源框架Hadoop入门实践(一)
在SIP项目设计的过程中,对于它庞大的日志在开始时就考虑使用任务分解的多线程处理模式来分析统计,在我从前写的文章《Tiger Concurrent Practice --日志分析并行分解设计与实现》中有所提到。但是由于统计的内容暂时还是十分简单,所以
2013-11-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人