推荐算法的可扩展性之hadoop篇(待续...)

我们都知道，大多数的推荐算法都是单机版的。如果不进行任何处理是不能够分布式执行，也就不能充分利用像hadoop这样的分布式计算集群。这严重限制了 推荐算法的实际应用。比如协同过滤，像亚马逊、天猫这些包含大量用户、大量物品及大量行为的平台，用户-物品矩阵巨大。要实现协同过滤，时间复杂度不说，就是存储，单机的也没法 搞定。所以，实现分布式的推荐算法，充分利用集群的资源就变得非常的必要。 在我们自己的推

>>阅读原文<<