學術產出-學位論文
| 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 of Complexity , 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 of Complexity , 14:257–299, 1998. | zh_TW |