share23 / Food_Recommender
基于 Spark Streaming + ALS 的餐饮推荐系统
☆88Updated 6 years ago
Alternatives and similar repositories for Food_Recommender:
Users that are interested in Food_Recommender are comparing it to the libraries listed below
- 基于spark-ml,spark-mllib,spark-streaming的推荐算法实现☆96Updated 5 years ago
- 基于 spark 推荐系统, 基于内容标签 CBCF 实现,协同过滤 UBCF 实现,协同过滤 IBCF 实现☆46Updated 8 years ago
- Spark中实现用户画像系统价值度、忠诚度、流失预警、活跃度等模型☆66Updated 7 years ago
- 电影推荐系统、电影推荐引擎、使用Spark完成的电影推荐引擎☆117Updated 6 years ago
- 基于Apache Spark的Netflix电影的离线与实时推荐系统☆249Updated 7 years ago
- hbase + spark 实现常用推荐算法(主要用于精准广告投放和推荐系统)☆65Updated 8 years ago
- 基于Spark MLlib ALS的音乐推荐系统☆29Updated 8 years ago
- 基于SparkMLLib实现的商品推荐功能,包括:基于用户的协同过滤,基于物品的协同过滤,基于ALS交替最小二乘的协同过滤。☆34Updated 5 years ago
- 基 于Spark的实时推荐系统,使用MovieLens作为测试数据集☆28Updated 2 years ago
- 推荐项目(实时推荐和离线推荐)☆250Updated 7 years ago
- 电商大数据项目-推荐系统(java和scala语言)☆200Updated last year
- 基于Spark2.2新闻网大数据实时系统项目☆60Updated 5 years ago
- 基于spark的外卖大数据平台分析系统☆43Updated 6 years ago
- 四川大学拓思爱诺用户session行为数据离线分析项目☆67Updated 2 years ago
- 第二届全国大数据比赛-个性化新闻推荐☆67Updated 9 years ago
- 基于SparkSQL的电影分析项目实战☆39Updated 4 years ago
- 基于用户画像的音乐推荐系统☆14Updated 5 years ago
- spark机器学习算法研究和源码分析☆32Updated 7 years ago
- SparkStreaming项目,显示flume->Kafka->Spark->hbase(实时数据处理方案),Scala实现☆36Updated 7 years ago
- Spark 学习之路,包含 Spark Core,Spark SQL,Spark Streaming,Spark mllib 学习笔记☆145Updated 6 years ago
- 基于Spark ML实现的豆瓣电影推荐系统☆228Updated 7 years ago
- 学习 Spark 的一个小项目,以及其中各种调优的笔记☆176Updated 7 years ago
- librec application to movies recommender system☆60Updated 7 years ago
- 《Spark 大型电商项目实战》源码,博客地址:http://blog.csdn.net/u012318074/article/category/6744423☆211Updated last year
- 基于 Mahout 的新闻推荐系统☆71Updated 6 years ago
- 1.Spark离线批处理,用户实时点击统计;2.SparkSQL日志内容分析;3.受众电影分析 =>(Kafka + SparkStreaming + Redis)和(Kafka + SparkStreaming + Mysql)☆29Updated 2 years ago
- 基于spark的大数据过滤引擎推荐系统☆9Updated 6 years ago
- 数据挖掘,参加Kaggle的一个预测广告点击率的竞赛☆28Updated 9 years ago
- 基于flume+kafka+HBase+spark+ElasticSearch的用户轨迹查询大数据开发项目☆112Updated 2 years ago
- 推荐系统实践(基于近邻和LFM的推荐系统)☆100Updated 6 years ago