MapReduce 中的社交内容匹配
社会与信息网络
2011-05-24 v1 分布式、并行与集群计算
摘要
匹配问题无处不在。它们出现在经济市场、劳动力市场、互联网广告以及其他领域。在本文中，我们聚焦于匹配在社交媒体中的一个应用。我们的目标是将信息供应商的内容分发给信息消费者。我们寻求最大化供应商与消费者之间匹配内容的整体相关性，同时调控整体活动，例如，确保没有消费者被数据淹没，并且所有供应商都有机会传递其内容。我们提出了两种专为 MapReduce 范式设计的匹配算法：GreedyMR 和 StackMR。两种算法都具有可证明的近似保证，并且在实践中能产生高质量的解决方案。虽然两种算法都具有极佳的可扩展性，但我们能够证明 StackMR 仅需多对数数量的 MapReduce 步骤，这使其成为处理超大规模数据集应用的一个有吸引力的选项。我们通过来自真实社交媒体网站的两个大型数据集，实验展示了我们的解决方案在质量与效率之间的权衡。
引用
@article{arxiv.1105.4256,
title = {Social content matching in MapReduce},
author = {Gianmarco De Francisci Morales and Aristides Gionis and Mauro Sozio},
journal= {arXiv preprint arXiv:1105.4256},
year = {2011}
}
备注
VLDB2011