Andere Kunden interessierten sich auch für
![Detecção de Outlier com base na agregação de dados detectados usando HADOOP]( "Detecção de Outlier com base na agregação de dados detectados usando HADOOP")
Detecção de Outlier com base na agregação de dados detectados usando HADOOP23,99 €![Sistema de feedback usando Análise Sentimental]( "Sistema de feedback usando Análise Sentimental")
Sistema de feedback usando Análise Sentimental39,99 €![Nova Abordagem Híbrida Ponderada no Método de Recomendação]( "Nova Abordagem Híbrida Ponderada no Método de Recomendação")
Nova Abordagem Híbrida Ponderada no Método de Recomendação23,99 €![Grandes análises de dados sobre a variedade de grandes dados]( "Grandes análises de dados sobre a variedade de grandes dados")
Grandes análises de dados sobre a variedade de grandes dados40,99 €![MEDIDAS INFORMÁTICAS FORENSES E ANALÍTICAS NA ERA DOS GRANDES DADOS]( "MEDIDAS INFORMÁTICAS FORENSES E ANALÍTICAS NA ERA DOS GRANDES DADOS")
MEDIDAS INFORMÁTICAS FORENSES E ANALÍTICAS NA ERA DOS GRANDES DADOS44,99 €![Grandes Dados: Teoria e Práticas]( "Grandes Dados: Teoria e Práticas")
Grandes Dados: Teoria e Práticas36,99 €![Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning]( "Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning")
Sistema de recuperação de imagens baseado em conteúdo usando o Machine Learning30,99 €
"Sentiment Analysis Based Keyword Aware Service Recommendation for Big Data" Os sistemas tradicionais de recomendação não dão recomendações personalizadas ao utilizador final. Falta-lhes proporcionar escalabilidade e eficiência. A lista de classificação e recomendação fornecida foi quase a mesma. Assim, neste artigo é proposto um sistema de recomendação de hotel utilizando a estrutura hadoop. O hadoop funciona principalmente na área onde aparecem grandes dados. Estes grandes dados são difíceis de capturar e analisar. É proposto um método de recomendação de serviços baseado na revisão para resolver este problema. Este método é baseado num algoritmo de filtragem colaborativa baseado no utilizador. Utilizadores com gostos semelhantes são capturados com a ajuda de palavras-chave que introduzem. Em seguida, a Análise de Sentimento é aplicada nas revisões de utilizadores passivos e é calculada uma pontuação. Os serviços top-k são recomendados para o utilizador final. A análise experimental mostra que este método funciona de forma mais eficiente do que os métodos tradicionais disponíveis.