| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 推荐系统现状 | 第13-14页 |
| 1.2.2 基于Spark平台的推荐系统及现状 | 第14-15页 |
| 1.3 本文研究内容和结构安排 | 第15-18页 |
| 1.3.1 研究的目的和内容 | 第15-16页 |
| 1.3.2 论文结构安排 | 第16-18页 |
| 第2章 相关技术介绍 | 第18-31页 |
| 2.1 机器学习 | 第18-19页 |
| 2.2 Spark分布式平台 | 第19-24页 |
| 2.2.1 Spark简介 | 第19-20页 |
| 2.2.2 Spark运行架构 | 第20-22页 |
| 2.2.3 Spark生态系统 | 第22-24页 |
| 2.3 推荐系统综述 | 第24-29页 |
| 2.3.1 推荐系统介绍 | 第24-25页 |
| 2.3.2 推荐算法 | 第25-29页 |
| 2.3.2.1 基于内容的推荐 | 第25-27页 |
| 2.3.2.2 协同过滤推荐 | 第27-28页 |
| 2.3.2.3 混合推荐 | 第28-29页 |
| 2.4 推荐系统评价指标 | 第29-31页 |
| 第3章 基于Spark的混合推荐算法设计 | 第31-41页 |
| 3.1 数据预处理设计 | 第31-32页 |
| 3.2 基于Spark的ALS推荐算法的设计 | 第32-36页 |
| 3.3 基于Spark的Word2Vec推荐算法的设计 | 第36-38页 |
| 3.4 混合推荐算法的设计 | 第38-41页 |
| 第4章 基于Spark的混合推荐算法实现 | 第41-59页 |
| 4.1 数据预处理算法的实现 | 第41-42页 |
| 4.2 基于Spark的ALS推荐算法实现 | 第42-44页 |
| 4.3 基于Spark的Word2vec推荐算法实现 | 第44-46页 |
| 4.4 混合推荐算法实现 | 第46页 |
| 4.5 混合推荐算法在Spark下并行化分析 | 第46-49页 |
| 4.5.1 数据并行化 | 第47-48页 |
| 4.5.2 任务并行化 | 第48-49页 |
| 4.6 实验结果与分析 | 第49-59页 |
| 4.6.1 实验环境 | 第49-50页 |
| 4.6.2 实验数据 | 第50-51页 |
| 4.6.3 实验设计 | 第51-52页 |
| 4.6.4 实验结果分析 | 第52-59页 |
| 第5章 基于Spark混合推荐的服饰电商网站系统设计与实现 | 第59-73页 |
| 5.1 系统需求分析 | 第59-60页 |
| 5.2 系统设计 | 第60-67页 |
| 5.2.1 系统架构设计 | 第60-61页 |
| 5.2.2 系统功能模块设计 | 第61-62页 |
| 5.2.3 系统数据库设计 | 第62-67页 |
| 5.3 推荐系统实现 | 第67-73页 |
| 5.3.1 系统实现环境 | 第67-68页 |
| 5.3.2 系统功能实现 | 第68-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
