资源简介
基于SPARK的大数据实战(在线电影推荐),使用最主流的大数据技术,实现电影的推荐,包含代码。
代码片段和文件信息
from flask import Blueprint
main = Blueprint(‘main‘ __name__)
import json
from engine import RecommendationEngine
import logging
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)
from flask import Flask request
@main.route(“//ratings/top/“ methods=[“GET“])
def top_ratings(user_id count):
logger.debug(“User %s TOP ratings requested“ user_id)
top_ratings = recommendation_engine.get_top_ratings(user_idcount)
return json.dumps(top_ratings)
@main.route(“//ratings/“ methods=[“GET“])
def movie_ratings(user_id movie_id):
logger.debug(“User %s rating requested for movie %s“ user_id movie_id)
ratings = recommendation_engine.get_ratings_for_movie_ids(user_id [movie_id])
return json.dumps(ratings)
@main.route(“//ratings“ methods = [“POST“])
def add_ratings(user_id):
# get the ratings from the Flask POST request object
ratings_list = request.form.keys()[0].strip().split(“\n“)
ratings_list = map(lambda x: x.split(““) ratings_list)
# create a list with the format required by the negine (user_id movie_id rating)
ratings = map(lambda x: (user_id int(x[0]) float(x[1])) ratings_list)
# add them to the model using then engine API
recommendation_engine.add_ratings(ratings)
return json.dumps(ratings)
def create_app(spark_context dataset_path):
global recommendation_engine
recommendation_engine = RecommendationEngine(spark_context dataset_path)
app = Flask(__name__)
app.register_blueprint(main)
return app
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 338 2016-11-20 15:21 An on-line movie recommender using Spark\.git\config
文件 73 2016-11-20 15:21 An on-line movie recommender using Spark\.git\desc
文件 23 2016-11-20 15:21 An on-line movie recommender using Spark\.git\HEAD
文件 478 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\applypatch-msg.sample
文件 896 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\commit-msg.sample
文件 189 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\post-update.sample
文件 424 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\pre-applypatch.sample
文件 1642 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\pre-commit.sample
文件 1348 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\pre-push.sample
文件 4951 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\pre-reba
文件 1239 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\prepare-commit-msg.sample
文件 3611 2016-11-20 15:21 An on-line movie recommender using Spark\.git\hooks\update.sample
文件 908 2016-11-20 15:22 An on-line movie recommender using Spark\.git\index
文件 240 2016-11-20 15:21 An on-line movie recommender using Spark\.git\info\exclude
文件 187 2016-11-20 15:21 An on-line movie recommender using Spark\.git\logs\HEAD
文件 187 2016-11-20 15:21 An on-line movie recommender using Spark\.git\logs\refs\heads\master
文件 187 2016-11-20 15:21 An on-line movie recommender using Spark\.git\logs\refs\remotes\origin\HEAD
文件 5272 2016-11-20 15:21 An on-line movie recommender using Spark\.git\ob
文件 52325 2016-11-20 15:21 An on-line movie recommender using Spark\.git\ob
文件 107 2016-11-20 15:21 An on-line movie recommender using Spark\.git\packed-refs
文件 41 2016-11-20 15:21 An on-line movie recommender using Spark\.git\refs\heads\master
文件 32 2016-11-20 15:21 An on-line movie recommender using Spark\.git\refs\remotes\origin\HEAD
文件 167 2016-11-20 15:21 An on-line movie recommender using Spark\.gitignore
文件 0 2016-11-20 15:22 An on-line movie recommender using Spark\.Rhistory
文件 235 2016-11-20 15:22 An on-line movie recommender using Spark\.Rproj.user\BB6CF845\pcs\files-pane.pper
文件 24 2016-11-20 15:22 An on-line movie recommender using Spark\.Rproj.user\BB6CF845\pcs\source-pane.pper
文件 293 2016-11-20 15:22 An on-line movie recommender using Spark\.Rproj.user\BB6CF845\pcs\windowlayoutstate.pper
文件 65 2016-11-20 15:22 An on-line movie recommender using Spark\.Rproj.user\BB6CF845\pcs\workbench-pane.pper
文件 5 2016-11-20 15:22 An on-line movie recommender using Spark\.Rproj.user\BB6CF845\rmd-outputs
文件 27 2016-11-20 15:22 An on-line movie recommender using Spark\.Rproj.user\BB6CF845\saved_source_markers
............此处省略44个文件信息
相关资源
- 机器学习 tom版教材 课后题部分答案
- 机器学习朴素贝叶斯垃圾邮件过滤器
- 大数据风控决策流程和架构设计
- catBoost 原稿
- 大数据百度云网盘资源.txt
- 吴恩达机器学习视频百度云
- housing data 数据集
- 山东大学机器学习实验报告K平均算法
- 实战:Spark Streaming实时流处理项目实
- 中科大数据库实现代码
- 2016年传智播客大数据第三期全套百度
- CASIA-webface 完整版
- 14.机器学习对抗生成网络.txt
- 开放数据_光伏气象_国能日新.zip
- digits 手写体数据集,k-近邻算法运用
- 大数据简历项目
- 主成分分析PCA+测试数据
- 双十一淘宝数据分析
- 大数据全套视频资源.txt
- Coursera吴恩达机器学习课程第二周编程
- 机器学习升级版.docx
- 大数据平台_ETL详细设计说明书_V1.0.
- 大数据在淮河流域民俗文化保护中的
- 大数据真实案例分析《HadoopSpark企业应
- Spark大数据处理技术.pdf
- 使用vueecharts实现大数据展示网站
- 中文视频课程 !台大李宏毅机器学习
- 1_Level Ⅰ业务数据分析师 24.9G的学习
- 论文研究 - 预测冠状动脉疾病的不同
- 唐宇迪机器学习视频-tensorflow
评论
共有 条评论