高校视频公开课点播平台智能推荐系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 论文研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 研究方法与技术路线 | 第12页 |
| 1.5 研究工作基础及论文创新之处 | 第12-13页 |
| 第二章 拟采用的技术及介绍 | 第13-16页 |
| 2.1 个性化推荐 | 第13-14页 |
| 2.2 用户行为记录与分析 | 第14页 |
| 2.3 Hadoop | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 智能推荐系统架构设计 | 第16-27页 |
| 3.1 概述 | 第16页 |
| 3.2 架构设计目标及约束 | 第16-21页 |
| 3.2.1 架构设计目标 | 第16页 |
| 3.2.2 关键功能约束 | 第16-20页 |
| 3.2.3 关键质量约束 | 第20-21页 |
| 3.3 系统总体架构 | 第21-22页 |
| 3.4 系统逻辑架构 | 第22-23页 |
| 3.5 系统技术架构 | 第23-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 用户行为采集器的实现 | 第27-33页 |
| 4.1 原始需求 | 第27-28页 |
| 4.2 用户行为数据采集器的设计 | 第28-29页 |
| 4.3 用户行为数据采集器的实现 | 第29-32页 |
| 4.3.1 浏览器环境 | 第29-30页 |
| 4.3.2 页面元素点击 | 第30-31页 |
| 4.3.3 页面停留时间 | 第31-32页 |
| 4.3.4 页面任意点击 | 第32页 |
| 4.4 本章小结 | 第32-33页 |
| 第五章 离线数据引擎的实现 | 第33-43页 |
| 5.1 基于用户行为数据分析提取用户偏好 | 第33-40页 |
| 5.1.1 用户兴趣建模 | 第33-35页 |
| 5.1.2 用户兴趣模型更新 | 第35-37页 |
| 5.1.3 用户偏好模型有效验证 | 第37-40页 |
| 5.2 基于相似性进行用户分类 | 第40-42页 |
| 5.3 本章小结 | 第42-43页 |
| 第六章 准实时推荐引擎实现 | 第43-53页 |
| 6.1 基于定向推荐的协同过滤个性化推荐 | 第44-46页 |
| 6.1.1 算法的总体思路 | 第44页 |
| 6.1.2 算法的流程与实现 | 第44-46页 |
| 6.2 定时推荐的实现 | 第46-48页 |
| 6.3 准实时推荐的实现 | 第48-51页 |
| 6.4 准实时推荐中的mencache分布式算法 | 第51-52页 |
| 6.5 本章小结 | 第52-53页 |
| 第七章 推荐服务接口层的实现 | 第53-59页 |
| 7.1 推荐服务相关接口设计 | 第53-54页 |
| 7.1.1 接口认证方式 | 第53页 |
| 7.1.2 接口列表 | 第53-54页 |
| 7.2 推荐服务接口实现 | 第54-58页 |
| 7.3 本章小结 | 第58-59页 |
| 第八章 智能推荐系统测试 | 第59-65页 |
| 8.1 A/B测试过程 | 第59-61页 |
| 8.2 测试结果 | 第61-64页 |
| 8.3 测试结果分析 | 第64页 |
| 8.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |
| Ⅳ-2 答辩委员会对论文的评定意见 | 第69页 |
