| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 推荐算法理论研究 | 第10-11页 |
| 1.2.2 推荐系统在工业界的应用 | 第11-14页 |
| 1.3 研究内容与目标 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 个性化推荐技术概述 | 第16-25页 |
| 2.1 基于内容的推荐算法概述 | 第16-17页 |
| 2.2 基于关联规则的推荐算法概述 | 第17-18页 |
| 2.3 协同过滤推荐算法概述 | 第18-22页 |
| 2.3.1 基于用户的协同过滤算法 | 第20-21页 |
| 2.3.2 基于项目的协同过滤算法 | 第21-22页 |
| 2.4 基于模型的推荐算法概述 | 第22-23页 |
| 2.5 混合推荐算法概述 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 加权Slope One算法的改进 | 第25-34页 |
| 3.1 Slope One算法 | 第25-27页 |
| 3.2 基于项目相似度的改进 | 第27-28页 |
| 3.3 用户特征向量的构成 | 第28-30页 |
| 3.4 改进的Slope One算法SL-BTF算法实现过程 | 第30-31页 |
| 3.5 实验结果与分析 | 第31-32页 |
| 3.6 本章小结 | 第32-34页 |
| 第四章 SL-BTF算法并行化研究与实现 | 第34-47页 |
| 4.1 Storm编程模型 | 第34-36页 |
| 4.2 SL-BTF算法的并行化分析 | 第36-37页 |
| 4.2.1 SL-BTF算法复杂度分析 | 第36页 |
| 4.2.2 SL-BTF算法并行可行性分析 | 第36-37页 |
| 4.3 SL-BTF算法并行化实现 | 第37-44页 |
| 4.3.1 Spout阶段数据处理 | 第39-41页 |
| 4.3.2 Bolt阶段数据处理 | 第41-44页 |
| 4.4 实验结果与分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于SL-BTF算法的电影推荐系统设计 | 第47-60页 |
| 5.1 系统设计背景 | 第47页 |
| 5.2 系统需求分析 | 第47-48页 |
| 5.2.1 功能需求 | 第47-48页 |
| 5.2.2 运行环境概述 | 第48页 |
| 5.3 系统的框架模型与分析 | 第48-51页 |
| 5.3.1 系统整体架构 | 第48-49页 |
| 5.3.2 系统流程设计 | 第49-51页 |
| 5.4 系统接口设计 | 第51-52页 |
| 5.4.1 内部接口 | 第51-52页 |
| 5.4.2 用户接口 | 第52页 |
| 5.5 模块设计 | 第52-57页 |
| 5.5.1 用户行为收集模块 | 第52-53页 |
| 5.5.2 离线数据预处理模块 | 第53-54页 |
| 5.5.3 推荐算法模块 | 第54-55页 |
| 5.5.4 系统展示模块 | 第55-56页 |
| 5.5.5 数据库设计 | 第56-57页 |
| 5.6 实验结果展示 | 第57-59页 |
| 5.6.1 推荐算法模块展示 | 第57-58页 |
| 5.6.2 用户行为信息收集模块展示 | 第58-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 论文研究总结 | 第60页 |
| 6.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |