基于海量用户行为的推荐算法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-16页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文基本内容 | 第13-14页 |
| ·论文基本结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 相关理论概述 | 第16-29页 |
| ·Hadoop分布式平台 | 第16-21页 |
| ·HDFS | 第16-18页 |
| ·MapReduce | 第18-19页 |
| ·Hadoop基本架构 | 第19-21页 |
| ·逆向最大匹配中文分词算法 | 第21-22页 |
| ·文本相似性 | 第22-23页 |
| ·朴素贝叶斯分类算法 | 第23-25页 |
| ·User-Based协同过滤推荐算法 | 第25-28页 |
| ·用户相似度计算 | 第25-26页 |
| ·预测打分 | 第26页 |
| ·产生推荐结果 | 第26页 |
| ·举例说明 | 第26-28页 |
| ·User-Based推荐算法中存在的问题 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 并行化User-Based推荐算法设计 | 第29-43页 |
| ·算法总体设计思路 | 第29-32页 |
| ·应用场景分析 | 第29页 |
| ·算法技术选型 | 第29-32页 |
| ·算法详细设计思路 | 第32-42页 |
| ·算法整体结构 | 第32-34页 |
| ·算法各模块功能详述 | 第34-42页 |
| ·本章小结 | 第42-43页 |
| 4 并行化User-Based推荐算法实现 | 第43-65页 |
| ·算法整体流程 | 第43-45页 |
| ·各模块实现方式详述 | 第45-64页 |
| ·原始日志清洗、格式化与基本统计模块 | 第46-51页 |
| ·构建用户兴趣向量模块 | 第51-53页 |
| ·用户相似度计算模块 | 第53-54页 |
| ·用户对项目预测评分模块 | 第54-56页 |
| ·项目点击Top-N模块 | 第56-58页 |
| ·文本相似性计算模块 | 第58-59页 |
| ·推荐结果生成模块 | 第59-61页 |
| ·网页抓取模块 | 第61-62页 |
| ·逆向最大匹配中文分词模块 | 第62-64页 |
| ·朴素贝叶斯文本分类模块 | 第64页 |
| ·本章小结 | 第64-65页 |
| 5 实验与分析 | 第65-75页 |
| ·实验环境 | 第65-69页 |
| ·服务器及Hadoop集群部署情况 | 第65-66页 |
| ·Hadoop集群配置 | 第66-69页 |
| ·实验数据说明 | 第69-70页 |
| ·实验设计方案 | 第70-71页 |
| ·实验结果评估标准 | 第70-71页 |
| ·训练数据与测试数据 | 第71页 |
| ·实验结果分析 | 第71-74页 |
| ·算法运行效率实验 | 第71-73页 |
| ·算法推荐结果准确性实验 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| 参考文献 | 第77-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
