基于Spark的混合推荐系统的研究与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状和发展趋势 | 第12-13页 |
| 1.2.1 Spark研究现状和发展趋势 | 第12页 |
| 1.2.2 推荐系统研究现状和发展趋势 | 第12-13页 |
| 1.3 本文主要内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 2 相关技术 | 第15-25页 |
| 2.1 Spark平台 | 第15-18页 |
| 2.1.1 Spark基本概念 | 第15-17页 |
| 2.1.2 RDD | 第17-18页 |
| 2.2 推荐系统 | 第18-22页 |
| 2.2.1 推荐系统概述 | 第18-19页 |
| 2.2.2 协同过滤推荐算法 | 第19-22页 |
| 2.2.3 其他常用推荐算法 | 第22页 |
| 2.3 推荐系统目前存在的问题 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 3 基于矩阵分解的推荐算法研究 | 第25-39页 |
| 3.1 混合矩阵分解算法 | 第25-31页 |
| 3.1.1 矩阵因子分解算法 | 第25-26页 |
| 3.1.2 动量梯度下降法 | 第26-29页 |
| 3.1.3 基于动量梯度下降的混合矩阵分解 | 第29-31页 |
| 3.2 相似度计算 | 第31-33页 |
| 3.2.1 常用相似度计算方法 | 第31-32页 |
| 3.2.2 反频率偏置皮尔逊系数 | 第32-33页 |
| 3.3 实时推荐算法 | 第33-36页 |
| 3.3.1 常用实时推荐算法 | 第33-35页 |
| 3.3.2 增量ALS推荐算法 | 第35-36页 |
| 3.4 本章小结 | 第36-39页 |
| 4 基于Spark的混合推荐系统设计与实现 | 第39-59页 |
| 4.1 系统整体架构设计 | 第39-41页 |
| 4.2 用户交互模块 | 第41页 |
| 4.3 日志收集模块 | 第41-44页 |
| 4.3.1 基本框架 | 第41-42页 |
| 4.3.2 部署与实现 | 第42-44页 |
| 4.4 数据处理模块 | 第44-52页 |
| 4.4.1 基本框架 | 第44-45页 |
| 4.4.2 数据清洗 | 第45页 |
| 4.4.3 数据存储 | 第45-51页 |
| 4.4.4 特征转换 | 第51-52页 |
| 4.5 混合推荐引擎模块 | 第52-57页 |
| 4.5.1 基本框架 | 第52-53页 |
| 4.5.2 计算架构 | 第53-54页 |
| 4.5.3 模型混合与实现 | 第54-57页 |
| 4.6 本章小结 | 第57-59页 |
| 5 实验及结果分析 | 第59-71页 |
| 5.1 实验数据介绍 | 第59页 |
| 5.2 实验数据分析 | 第59-62页 |
| 5.3 实验评价指标 | 第62-64页 |
| 5.4 实验及结果分析 | 第64-71页 |
| 6 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71页 |
| 6.2 未来展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第77-81页 |
| 学位论文数据集 | 第81页 |
