注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. [大数据人工智能] 基于Flink流的动态实时亿级电商全端用户画像系统 [MP4] (3.8G) .txt

  2. 课程所涵盖的知识点包括：Flink、Mongodb、Hbase、Vue.js、Node.js、Kafka、Flume、SpringBoot、SpringCloud、HDFS、Highcharts等等 课程所用到的开发环境 开发环境为：Window7 开发工具为：IDEA 开发版本为：Flink1.7.0、Hadoop2.6.0、Hbase1.0.0、SpringBoot版本2.0.2.RELEASE、SpringCloud版本Finchley.RELEASE 课程亮点： 1.第四代计算引擎Fl

  3. 所属分类：其它

  1. youfanPortraitmain.zip

  2. 这个资源是友凡flink大数据的代码资源 基于Flink流处理的动态实时亿级全端用户画像系统 ，这个只是代码，视频请通过其他渠道自行下载

  3. 所属分类：Java

    • 发布日期：2020-02-06
    • 文件大小：6291456
    • 提供者：weixin_44611926

  1. flinkExamples-master.zip

  2. 基于java版本的 flink基本使用操作和用户画像项目实战,demo含有flink+kafka+hadop

  3. 所属分类：flink

    • 发布日期：2020-06-17
    • 文件大小：164864
    • 提供者：dushenke

  1. Flink电商用户行为分析源代码

  2. 模拟电商系统上线运行一段时间后，根据收集到大量的用户行为数据，利用大数据技术（Flink）进行深入挖掘和分析，进而得到感兴趣的商业指标并增强对风险的控制。 整体可以分为用户行为习惯数据和业务行为数据两大类。用户的行为习惯数据包括了用户的登录方式、上线的时间点及时长、点击和浏览页面、页面停留时间以及页面跳转等等，从中进行流量统计和热门商品的统计，并深入挖掘用户的特征；业务行为数据分为两类：一类是能够明显地表现出用户兴趣的行为，比如对商品的收藏、喜欢、评分和评价，对数据进行深入分析，得到用户画像，进

  3. 所属分类：flink

    • 发布日期：2020-06-25
    • 文件大小：123731968
    • 提供者：IronmanJay

  1. 基于Flink流处理的动态实时亿级全端用户画像系统.rar

  2. 分享课程——基于Flink流处理的动态实时亿级全端用户画像系统，本课程基于真实的大型电商系统场景下讲解的用户画像系统，本系统采用第四代计算引擎Flink，同时采用微服务架构Spring Boot+Spring Cloud 架构 ，前端采用Vue.js+Node.js架构，完全符合目前企业级的使用标准。

  3. 所属分类：flink

    • 发布日期：2020-09-04
    • 文件大小：412
    • 提供者：atipa

  1. Flink+ClickHouse构建用户画像平台（2020最新）.rar

  2. Flink+ClickHouse构建用户画像平台（2020最新），本课程采用Flink+ClickHouse技术架构实现我们的画像系统，通过学习完本课程可以节省你摸索的时间，节省企业成本，提高企业开发效率。 希望本课程对一些企业开发人员和对新技术栈有兴趣的伙伴有所帮助，如对我录制的教程内容有建议请及时交流。项目中采用到的算法包含Logistic Regression、Kmeans、TF-IDF等，Flink暂时支持的算法比较少，对于以上算法，本课程将手把手带大家用Flink实现，并且结合真实场

  3. 所属分类：flink

    • 发布日期：2020-12-11
    • 文件大小：984
    • 提供者：u011552756

  1. flink-recommandSystem-demo:基于Flink实现的商品实时推荐系统。flink统计商品热度，放入redis缓存，分析日志信息，将头像标签和实时记录放入Hbase。在用户发起推荐请求后，根据用户画像重排序热度榜，并结合

  2. 商品实时推荐系统 1.系统架构v2.0 1.1系统架构图 1.2模块说明 a。在日志数据模块（flink-2-hbase）中，又主要分为6个Flink任务： 用户-产品浏览历史->实现基于协同过滤的推荐逻辑 通过Flink去记录用户浏览过这个类目下的某些产品，为后面的基于项目的协同过滤做准备实时的记录用户的评分到Hbase中，为后续离线处理做准备。 数据存储在Hbase的p_history表 用户-兴趣->实现基于碱性的推荐逻辑 根据用户对同一个产品的操作计算兴趣度，计算规则通过

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：3145728
    • 提供者：weixin_42140710