我正在实施一个员工计划解决方案，员工可以在这里找到他们喜欢的工作时间，这个系统也可以推荐员工工作的最佳时间。
为了向员工提供工作时间的建议，我希望有一个推荐系统，可以根据以下内容向员工推荐一些工作班次：
我没有做太多的功课，因为一切都会导致Hadoop生态系统和hadoop我对这一点有很多想法，因为幼儿（非神童）知道量子物理学。无论如何，这就是我想出的：
我的问题是，您建议我使用哪种系统来获得此类建议，而spark / predictionIO是这项工作的最佳工具吗？
答案 0 :(得分：0)
我正在实施员工可以拥有的员工计划解决方案 他们首选的工作时间和这个系统也可以推荐最好的 工作人员应该工作的时间。
您的使用案例与optaplanner的员工排班示例非常相似。每个员工都有自己的优先工作时间，并写下了emloyee和医院之间的合同。
组织的员工要求。它是基于工作人员要求的间隔（1小时），并且具有该间隔所需的最小/最大工作人员。 （例如：在1300-1400小时，我需要最少4名和最多6名工作人员）。
该示例也有相同的要求，每个班次都需要最少的人员。
建议班次必须遵循的规则。 （例如：任何班次提供 不应超过max_allowed_work_hours_in_week。如果员工有 完成35个小时到星期四，max_allowed_work_hours_in_week是 40所以我只建议换班5小时）
这些规则都在员工合同中提供，例如员工每周必须工作至少35小时，或者必须每周工作3天。
建议还需要尊重我的历史性转变。 （例如：我喜欢 星期五晚上工作，我的历史也是如此。所以，好 星期五的推荐将是（猜测:)）前夕的转变。
只要员工拥有历史数据，就可以将其添加为新的软约束。
我没有做太多的功课，因为一切都会导致Hadoop生态系统 关于hadoop我对此有如此多的想法 幼儿（非神童）知道量子物理学。无论如何，这就是我 拿出来： 我可以使用apache spark或mahout或独立的apache predictionIO。（我在Java世界）我知道约束求解器 Optaplanner，我可以推动解决这个问题，但它不是 这项工作的正确工具，我相信但可能是错误的。
我认为您可以将Hadoop结合起来存储您的大数据并进行处理。然后，您可以将处理后的数据提供给optaplanner以获得优化结果。如果您想构建实时规划，可以使用apache spark快速处理新数据并将其提供给optaplanner以获得最新的优化结果。 所以我真的建议你去optaplanner尝试护士排班的例子。希望这有帮助，亲切的问候。