基于GPU的图书推荐系统研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·本文所做的主要工作 | 第12页 |
| ·论文结构安排 | 第12-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 相关研究综述 | 第15-30页 |
| ·CADAL项目介绍 | 第15-16页 |
| ·个性化推荐系统综述 | 第16-17页 |
| ·协同过滤推荐算法 | 第17-22页 |
| ·基于内存的协同过滤 | 第18-20页 |
| ·基于模型的协同过滤 | 第20-21页 |
| ·协同过滤推荐算法的优缺点 | 第21-22页 |
| ·GPU通用计算 | 第22-29页 |
| ·CUDA硬件模型 | 第23-24页 |
| ·CUDA软件编程模型 | 第24-26页 |
| ·CUDA存储器模型 | 第26-27页 |
| ·CUDA程序优化策略 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于用户和信任的Top-N混合推荐算法 | 第30-39页 |
| ·算法概述 | 第30-32页 |
| ·参数含义 | 第30页 |
| ·问题描述 | 第30-31页 |
| ·算法总体结构 | 第31-32页 |
| ·基于用户的协同过滤 | 第32-33页 |
| ·用户相似度计算 | 第32页 |
| ·预测评分 | 第32-33页 |
| ·基于信任的预测评分 | 第33-37页 |
| ·信任的定义 | 第33-34页 |
| ·基于信任的推荐概述 | 第34-36页 |
| ·随机游走算法 | 第36-37页 |
| ·产生推荐结果 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第4章 CUDA框架下混合推荐算法并行计算 | 第39-48页 |
| ·CUDA下实现基于用户的协同过滤 | 第39-44页 |
| ·算法的总体描述 | 第39-41页 |
| ·计算用户之间的相似度 | 第41-43页 |
| ·选取最相似用户 | 第43-44页 |
| ·CUDA下实现随机游走算法 | 第44-46页 |
| ·随机游走算法的矩阵表示 | 第44-45页 |
| ·CUDA下进行随机游走 | 第45页 |
| ·CUDA下矩阵运算的实现和优化 | 第45-46页 |
| ·CUDA下产生推荐结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 算法实验与系统实现 | 第48-61页 |
| ·算法实验 | 第48-55页 |
| ·实验数据集的选取 | 第48-49页 |
| ·实验的软硬件环境 | 第49-50页 |
| ·实验设计 | 第50-51页 |
| ·评价标准 | 第51-52页 |
| ·实验结果 | 第52-55页 |
| ·系统实现 | 第55-60页 |
| ·CADAL数字图书馆个性化服务平台 | 第55-57页 |
| ·CPBRS系统的总体概况 | 第57-58页 |
| ·挖掘推荐算法所需的数据 | 第58-59页 |
| ·CPBRS系统用户界面 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间主要的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简历 | 第69页 |
