职位信息实时推荐系统的设计与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 推荐系统研究现状 | 第13-14页 |
| 1.2.2 职位推荐研究现状 | 第14-15页 |
| 1.3 论文研究内容 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 推荐系统理论和相关技术研究 | 第18-28页 |
| 2.1 用户行为分析 | 第18页 |
| 2.2 主流的推荐系统技术 | 第18-24页 |
| 2.2.1 基于内容过滤的推荐 | 第18-20页 |
| 2.2.2 基于协同过滤的推荐 | 第20-22页 |
| 2.2.3 基于关联规则的推荐 | 第22-24页 |
| 2.3 Mahout机器学习库 | 第24页 |
| 2.4 Flume分布式实时日志收集 | 第24-25页 |
| 2.5 Storm实时计算平台 | 第25-26页 |
| 2.6 Kafka实时消息队列 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 系统需求分析与总体设计 | 第28-33页 |
| 3.1 需求分析 | 第28-30页 |
| 3.1.1 功能需求分析 | 第28-29页 |
| 3.1.2 性能需求分析 | 第29-30页 |
| 3.2 总体设计 | 第30-32页 |
| 3.2.1 系统总体服务架构 | 第30-31页 |
| 3.2.2 系统整体部署结构 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 职位信息实时推荐系统详细设计 | 第33-48页 |
| 4.1 前台页面交互详细设计 | 第33-34页 |
| 4.2 数据采集详细设计 | 第34-37页 |
| 4.2.1 职位信息采集 | 第34-35页 |
| 4.2.2 用户行为数据采集 | 第35-37页 |
| 4.3 职位实时推荐详细设计 | 第37-40页 |
| 4.3.1 实时推荐基本结构 | 第37-38页 |
| 4.3.2 在线职位匹配推荐 | 第38-39页 |
| 4.3.3 在线职位关联推荐 | 第39-40页 |
| 4.4 职位协同推荐详细设计 | 第40-41页 |
| 4.5 职位推荐相关算法详细设计 | 第41-46页 |
| 4.5.1 基于求职意愿属性分类的职位匹配 | 第41-43页 |
| 4.5.2 基于隐式点击行为的职位关联关系挖掘 | 第43-45页 |
| 4.5.3 基于职位评分预测的协同推荐 | 第45-46页 |
| 4.6 职位查询服务详细设计 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第五章 职位信息实时推荐系统实现 | 第48-56页 |
| 5.1 前台页面交互实现 | 第48页 |
| 5.2 数据采集实现 | 第48-50页 |
| 5.2.1 职位信息采集实现 | 第48-49页 |
| 5.2.2 用户行为数据采集实现 | 第49-50页 |
| 5.3 职位实时推荐实现 | 第50-53页 |
| 5.3.1 在线职位匹配推荐实现 | 第50-52页 |
| 5.3.2 在线职位关联推荐实现 | 第52-53页 |
| 5.4 职位协同推荐实现 | 第53-54页 |
| 5.5 职位查询服务实现 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 职位信息实时推荐系统测试 | 第56-65页 |
| 6.1 实验平台和环境搭建 | 第56-58页 |
| 6.1.1 实验平台 | 第56页 |
| 6.1.2 环境搭建 | 第56-58页 |
| 6.2 测试结果分析和运行界面展示 | 第58-64页 |
| 6.2.1 功能测试及分析 | 第58-59页 |
| 6.2.2 性能测试及分析 | 第59-61页 |
| 6.2.3 运行界面展示 | 第61-64页 |
| 6.3 本章小结 | 第64-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 总结 | 第65-66页 |
| 7.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的学术成果 | 第73页 |
