學術產出-學位論文
文章檢視/開啟
書目匯出
-
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 30-十月-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 (作者) 潘靜儒 zh_TW dc.creator (作者) 潘靜儒 zh_TW dc.date (日期) 2011 en_US dc.date.accessioned 30-十月-2012 11:07:21 (UTC+8) - dc.date.available 30-十月-2012 11:07:21 (UTC+8) - dc.date.issued (上傳時間) 30-十月-2012 11:07:21 (UTC+8) - dc.identifier (其他 識別碼) 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
