基于隐语义模型的个性化推荐算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第二章 推荐系统及Hadoop平台 | 第16-31页 |
| 2.1 个性化推荐系统 | 第16-17页 |
| 2.2 推荐算法分类 | 第17-25页 |
| 2.2.1 基于内容的推荐算法 | 第17-19页 |
| 2.2.2 协同过滤推荐算法 | 第19-20页 |
| 2.2.3 基于网络的推荐算法 | 第20-24页 |
| 2.2.4 海合推荐算法 | 第24-25页 |
| 2.3 推荐系统评价指标 | 第25-26页 |
| 2.4 Hadoop平台及其计算框架 | 第26-30页 |
| 2.4.1 分布式文件系统HDFS | 第27-29页 |
| 2.4.2 分布式计算框架Map民educe | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 隐语义模型改进与分析 | 第31-39页 |
| 3.1 经典隐语义模型 | 第31-33页 |
| 3.2 隐语义模型改进算法 | 第33-36页 |
| 3.2.1 用户属性信息 | 第33-34页 |
| 3.2.2 用户属性的重要性 | 第34-35页 |
| 3.2.3 融入用户属性的隐语义模型 | 第35-36页 |
| 3.3 实验结果分析 | 第36-38页 |
| 3.4本章小结 | 第38-39页 |
| 第四章 隐语义模型的并行化 | 第39-48页 |
| 4.1 数据预处理 | 第39-40页 |
| 4.2 隐语义模型推荐算法并行化 | 第40-46页 |
| 4.2.1 模型参数处理 | 第40-43页 |
| 4.2.2 基于属性的预测评分 | 第43-45页 |
| 4.2.3 产生推荐结果 | 第45-46页 |
| 4.3 实验结果分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 推荐系统设计 | 第48-55页 |
| 5.1 系统需求 | 第48页 |
| 5.2 系统设计 | 第48-50页 |
| 5.3 搭建实验环境 | 第50-51页 |
| 5.4 系统实现 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读学位期间发表的论文 | 第63-67页 |
| 致谢 | 第67页 |
