Publications-Theses
Article View/Open
Publication Export
-
Google ScholarTM
NCCU Library
Citation Infomation
Related Publications in TAIR
題名 大資料多元尺度在網路使用者偏好分析之應用
The application of large data multidimensional scaling method in network user preference作者 潘靜儒 貢獻者 曾正男
潘靜儒關鍵詞 大資料
多元尺度
網路使用者偏好日期 2011 上傳時間 30-Oct-2012 11:07:21 (UTC+8) 摘要 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。 參考文獻 [1]http://www.whitehouse.gov/blog/2012/03/29/big-data-big-deal[2]http://en.wikipedia.org/wiki/John_Gage[3]http://nhird.nhri.org.tw/[4]http://nhird.nhri.org.tw/date_01.htm[5]Fradkin, D. and Madigan, D: Experiments with random projections for machine learning, In Proceedings of KDD-03, The Ninth International Conference on Knowledge Discovery and Data Mining, 517-522,2003[6]Borg, I., Groenen, P.: Modern Multidimensional Scaling: theory and applications (2nd ed.), New York: Springer-Verlag},pp. 207–212. ISBN 0-387-94845-7,2005.[7]Jengnan Tzeng1, Henry HS Lu2 and Wen-Hsiung Li : Multidimensional scaling for large genomic data sets , BMC Bioinformatics , Vol.9, No.179.(SCI),2008.04. [8]Morrison A, Ross G, Chalmers M: Fast multidimensional scaling through sampling, springs and interpolation, Information Visualization 2:68-77,2003. [9]F.G. Gustavson. Two fast algorithms for sparse matrices: Multiplication and permuted transposition. ACM Transactions on Mathematical Software , 4(3):250–269, 1978.[10]X. Huang and V.Y. Pan. Fast rectangular matrix multiplications and applications , Journal ofComplexity , 14:257–299, 1998. 描述 碩士
國立政治大學
應用數學研究所
98751012
100資料來源 http://thesis.lib.nccu.edu.tw/record/#G0098751012 資料類型 thesis dc.contributor.advisor 曾正男 zh_TW dc.contributor.author (Authors) 潘靜儒 zh_TW dc.creator (作者) 潘靜儒 zh_TW dc.date (日期) 2011 en_US dc.date.accessioned 30-Oct-2012 11:07:21 (UTC+8) - dc.date.available 30-Oct-2012 11:07:21 (UTC+8) - dc.date.issued (上傳時間) 30-Oct-2012 11:07:21 (UTC+8) - dc.identifier (Other Identifiers) G0098751012 en_US dc.identifier.uri (URI) http://nccur.lib.nccu.edu.tw/handle/140.119/54460 - dc.description (描述) 碩士 zh_TW dc.description (描述) 國立政治大學 zh_TW dc.description (描述) 應用數學研究所 zh_TW dc.description (描述) 98751012 zh_TW dc.description (描述) 100 zh_TW dc.description.abstract (摘要) 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。 zh_TW dc.description.tableofcontents 中文摘要英文摘要誌謝目錄圖目錄第一章 論文簡介...............1第二章 大資料計算相關數學回顧....5第三章 巨大資料的SCMDS方法.....11第四章 實驗結果...............19第五章 結論..................30參考文獻 ....................31附錄A.......................32附錄B.......................36 zh_TW dc.language.iso en_US - dc.source.uri (資料來源) http://thesis.lib.nccu.edu.tw/record/#G0098751012 en_US dc.subject (關鍵詞) 大資料 zh_TW dc.subject (關鍵詞) 多元尺度 zh_TW dc.subject (關鍵詞) 網路使用者偏好 zh_TW dc.title (題名) 大資料多元尺度在網路使用者偏好分析之應用 zh_TW dc.title (題名) The application of large data multidimensional scaling method in network user preference en_US dc.type (資料類型) thesis en dc.relation.reference (參考文獻) [1]http://www.whitehouse.gov/blog/2012/03/29/big-data-big-deal[2]http://en.wikipedia.org/wiki/John_Gage[3]http://nhird.nhri.org.tw/[4]http://nhird.nhri.org.tw/date_01.htm[5]Fradkin, D. and Madigan, D: Experiments with random projections for machine learning, In Proceedings of KDD-03, The Ninth International Conference on Knowledge Discovery and Data Mining, 517-522,2003[6]Borg, I., Groenen, P.: Modern Multidimensional Scaling: theory and applications (2nd ed.), New York: Springer-Verlag},pp. 207–212. ISBN 0-387-94845-7,2005.[7]Jengnan Tzeng1, Henry HS Lu2 and Wen-Hsiung Li : Multidimensional scaling for large genomic data sets , BMC Bioinformatics , Vol.9, No.179.(SCI),2008.04. [8]Morrison A, Ross G, Chalmers M: Fast multidimensional scaling through sampling, springs and interpolation, Information Visualization 2:68-77,2003. [9]F.G. Gustavson. Two fast algorithms for sparse matrices: Multiplication and permuted transposition. ACM Transactions on Mathematical Software , 4(3):250–269, 1978.[10]X. Huang and V.Y. Pan. Fast rectangular matrix multiplications and applications , Journal ofComplexity , 14:257–299, 1998. zh_TW
