基于Spark的电影推荐系统设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 推荐系统研究现状 | 第10页 |
| 1.2.2 Spark研究现状 | 第10-11页 |
| 1.3 论文主要内容和工作 | 第11-13页 |
| 第二章 相关技术 | 第13-26页 |
| 2.1 常用推荐算法介绍 | 第13-21页 |
| 2.1.1 基于内容推荐 | 第13-17页 |
| 2.1.2 协同过滤推荐 | 第17-20页 |
| 2.1.3 基于知识的推荐 | 第20页 |
| 2.1.4 基于人口统计学的推荐 | 第20-21页 |
| 2.2 Spark平台简介 | 第21-25页 |
| 2.2.1 Spark概述 | 第21-22页 |
| 2.2.2 弹性分布式数据集 | 第22-23页 |
| 2.2.3 Spark运行原理 | 第23-24页 |
| 2.2.4 Spark MLlib | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 推荐算法的改进-混合推荐 | 第26-37页 |
| 3.1 概述 | 第26-28页 |
| 3.1.1 推荐理论框架 | 第26页 |
| 3.1.2 混合推荐系统设计 | 第26-28页 |
| 3.2 切换式混合推荐策略 | 第28-32页 |
| 3.2.1 改进思想 | 第28-29页 |
| 3.2.2 算法设计 | 第29-32页 |
| 3.3 特征补充式混合推荐策略 | 第32-34页 |
| 3.3.1 改进思想 | 第32页 |
| 3.3.2 算法设计 | 第32-34页 |
| 3.4 算法比较 | 第34-36页 |
| 3.4.1 实验数据 | 第34页 |
| 3.4.2 评价指标 | 第34-35页 |
| 3.4.3 实验结果与分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 系统的设计、实现与测试 | 第37-54页 |
| 4.1 系统需求分析 | 第37-38页 |
| 4.2 系统概要设计 | 第38-39页 |
| 4.3 数据库设计 | 第39-41页 |
| 4.3.1 E-R图 | 第39-40页 |
| 4.3.2 数据表结构 | 第40-41页 |
| 4.4 系统主要模块详细设计 | 第41-45页 |
| 4.4.1 推荐引擎模块 | 第41-42页 |
| 4.4.2 推荐结果处理模块 | 第42-43页 |
| 4.4.3 用户交互模块 | 第43-44页 |
| 4.4.4 数据收集模块 | 第44页 |
| 4.4.5 数据预处理 | 第44-45页 |
| 4.5 系统主要模块实现 | 第45-51页 |
| 4.5.1 推荐引擎模块 | 第45-49页 |
| 4.5.2 推荐结果处理模块 | 第49页 |
| 4.5.3 用户交互模块 | 第49-51页 |
| 4.6 系统测试 | 第51-53页 |
| 4.6.1 实验环境 | 第51页 |
| 4.6.2 功能测试 | 第51-52页 |
| 4.6.3 性能测试 | 第52页 |
| 4.6.4 测试结果分析 | 第52-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
