基于mapreduece的情感分析及商品推荐国内外研究现状

目前，基于MapReduce的情感分析及商品推荐已经得到了广泛的研究和应用。以下是国内外的研究现状：

1. 情感分析

（1）国外研究现状

美国斯坦福大学的Andrew Ng等人提出了一种基于MapReduce的情感分析框架，该框架将大规模的数据集分布在多个节点上进行处理，并且使用了支持向量机（SVM）对文本数据进行分类。

（2）国内研究现状

中国人民大学的张涛等人提出了一种基于MapReduce的情感分析方法，在该方法中，使用了朴素贝叶斯分类器对文本数据进行分类，并且使用了Hadoop作为分布式计算平台。

2. 商品推荐

（1）国外研究现状

美国加州大学伯克利分校的Michael Franklin等人提出了一种基于MapReduce的商品推荐算法，该算法使用了协同过滤和随机梯度下降算法，对用户行为数据进行学习和预测。

（2）国内研究现状

中国科学院大学的李华等人提出了一种基于MapReduce的商品推荐算法，该算法使用了基于用户的协同过滤算法和基于项目的协同过滤算法，并且使用了Hadoop作为分布式计算平台。

总之，基于MapReduce的情感分析及商品推荐已经成为了当前热门的研究方向之一，相信在不久的将来，会有更多的研究成果得到应用和推广。