基于Spark的分布式推荐系统的设计与实现
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 spark研究现状 | 第10-11页 |
| 1.2.2 推荐系统研究现状 | 第11-13页 |
| 1.3 研究内容及意义 | 第13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 2 基本理论与相关技术 | 第15-28页 |
| 2.1 spark简介 | 第15-16页 |
| 2.2 spark系统架构及编程模型 | 第16-21页 |
| 2.2.1 spark系统架构 | 第17-19页 |
| 2.2.2 spark弹性分布式数据集 | 第19-20页 |
| 2.2.3 spark编程模型 | 第20页 |
| 2.2.4 spark机器学习系统 | 第20-21页 |
| 2.3 推荐系统 | 第21-24页 |
| 2.3.1 推荐系统分类 | 第21-22页 |
| 2.3.2 推荐系统效果评估 | 第22-23页 |
| 2.3.3 推荐技术目前存在的问题 | 第23-24页 |
| 2.4 推荐算法 | 第24-27页 |
| 2.4.1 基于项目的推荐算法 | 第24-25页 |
| 2.4.2 基于用户的推荐算法 | 第25-26页 |
| 2.4.3 基于模型的推荐算法 | 第26-27页 |
| 2.5 本章小节 | 第27-28页 |
| 3 基于spark平台推荐系统的设计与实现 | 第28-38页 |
| 3.1 基于als模型推荐算法 | 第28-29页 |
| 3.2 基于als模型推荐算法并行化设计与实现 | 第29-34页 |
| 3.2.1 基于als模型推荐算法并行化设计 | 第29-31页 |
| 3.2.2 基于als模型推荐算法并行化实现 | 第31-34页 |
| 3.3 相似性计算 | 第34-37页 |
| 3.3.1 余弦相似度 | 第34-35页 |
| 3.3.2 皮尔逊相关系数 | 第35-36页 |
| 3.3.3 欧几里得距离 | 第36-37页 |
| 3.3.4 修正的余弦相似度 | 第37页 |
| 3.4 本章小节 | 第37-38页 |
| 4 推荐系统的优化 | 第38-43页 |
| 4.1 基于als模型推荐算法的优化 | 第38-40页 |
| 4.2 als训练模型的优化 | 第40-42页 |
| 4.3 本章小节 | 第42-43页 |
| 5 实验设计及结果分析 | 第43-51页 |
| 5.1 实验环境 | 第43-45页 |
| 5.1.1 软件环境 | 第43-44页 |
| 5.1.2 实验数据 | 第44-45页 |
| 5.2 实验设计 | 第45-46页 |
| 5.3 实验结果与分析 | 第46-50页 |
| 5.4 本章小节 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录1攻读硕士学位期间参与的项目和发表的论文 | 第58页 |
