易 利 集運 PTT的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

基於 Hadoop 叢集運算之個人化新聞追蹤及 推薦系統

為了解決易 利 集運 PTT的問題，作者陳敬諺 這樣論述：

由於網路新聞行業的發展及競爭，新聞以即時性及增加內容的多元性來吸引大眾的目光，如果使用者只閱讀一家新聞網站的訊息，容易造成對一個事件的認知錯誤而有不同觀點，同時也因為爆增的新聞中，夾雜或多或少可信度較低的文章，容易導致使用者吸收到錯誤資訊，須另花時間過濾及查證自己所關心的議題。本論文實作一個人化新聞追蹤及推薦系統，利用 Facebook 作為登入管道，擷取使用者及其好友的塗鴉牆內容，透過文字探勘（Text Mining）技術過濾無用的資訊，找出所有關鍵字並建立使用者輪廓；同時利用網路爬蟲（Web Crawler）至 PTT 及各新聞網站進行資料探勘（Data Mining），藉由改良 Jac

card 相似係數相似度計算分析所有新聞來源，找出相同事件並排列在一起進行事件追蹤。提供使用者不同立場的新聞訊息，有助於使用者更瞭解整個事件。透過社群資料及運用協同過濾技術來改善冷啟動、稀疏性等問題，除了能進行個人化推薦還能提供社交圈推薦，讓使用者能與社交圈朋友有更多共同話題。由於隨著時間不斷蒐集新聞而衍生大數據（Big Data）問題，傳統的關聯式資料庫將無法負荷，故本系統採用 Hadoop2叢集及 HBase 資料庫，利用 HBase 異地備份、分散式處理優點能有效率的存取巨量資料，加上高可用性集群（HA Cluster）故障轉移機制，盡量達到不中斷服務的原則。