基于大数据的协同过滤推荐算法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景 | 第12-13页 |
| ·研究现状 | 第13-16页 |
| ·研究内容及研究路线 | 第16-17页 |
| ·论文结构 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第二章 协同过滤算法概述 | 第20-34页 |
| ·推荐技术 | 第20-25页 |
| ·基于内容的推荐 | 第21-22页 |
| ·基于规则的推荐 | 第22-23页 |
| ·基于知识的推荐 | 第23-24页 |
| ·协同过滤推荐 | 第24-25页 |
| ·混合推荐 | 第25页 |
| ·协同过滤技术 | 第25-29页 |
| ·算法思想 | 第25-26页 |
| ·工作步骤 | 第26-28页 |
| ·常见的检验标准 | 第28-29页 |
| ·协同过滤算法分类 | 第29-32页 |
| ·基于内存的协同过滤 | 第30-31页 |
| ·基于模型的协同过滤 | 第31-32页 |
| ·大数据中的推荐系统 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第三章 协同过滤推荐算法的分析与改进 | 第34-44页 |
| ·传统算法存在问题的分析 | 第34-35页 |
| ·矩阵稀疏问题 | 第34页 |
| ·冷启动问题 | 第34页 |
| ·可扩展问题 | 第34-35页 |
| ·协同过滤算法改进——ASUCF算法 | 第35-39页 |
| ·改进思路 | 第35-36页 |
| ·平均相似度概念引入 | 第36-38页 |
| ·预测评分的计算 | 第38-39页 |
| ·改进算法的实现 | 第39-42页 |
| ·Apache Mahout开发工具 | 第39-40页 |
| ·关键方法 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 ASUCF算法的并行设计与实现 | 第44-58页 |
| ·技术背景概述 | 第44-47页 |
| ·云计算 | 第44-45页 |
| ·Hadoop：云计算实现 | 第45-47页 |
| ·改进算法并行化分析与实现 | 第47-57页 |
| ·算法过程分析 | 第47-48页 |
| ·基于MapReduce的算法过程设计 | 第48-52页 |
| ·算法的MapReduce设计实现关键 | 第52-56页 |
| ·并行化实现 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 实验及结果分析 | 第58-66页 |
| ·实验平台 | 第58-59页 |
| ·Hadoop集群的搭建 | 第58-59页 |
| ·开发环境 | 第59页 |
| ·实验介绍 | 第59-61页 |
| ·实验数据集和评估指标 | 第59-60页 |
| ·实验设计 | 第60-61页 |
| ·测试结果与分析 | 第61-65页 |
| ·准确度MAE实验 | 第61-63页 |
| ·计算效率speedup实验 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读学位期间发表或投稿的学术论文 | 第74-76页 |
| 致谢 | 第76页 |
