基于个性化推荐引擎组合的推荐系统的设计与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9-10页 |
| ·推荐系统的产生 | 第9-10页 |
| ·推荐系统在互联网中的应用 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·课题主要研究内容及意义 | 第11页 |
| ·论文的组织结构 | 第11-13页 |
| 第二章 推荐系统相关技术及工具介绍 | 第13-23页 |
| ·现有的推荐引擎实现技术介绍 | 第13-15页 |
| ·利用用户行为数据实现 | 第13页 |
| ·利用物品内容数据实现 | 第13-14页 |
| ·利用基本信息数据实现 | 第14-15页 |
| ·推荐系统评测技术介绍 | 第15-20页 |
| ·推荐系统的实验方法 | 第16-17页 |
| ·推荐系统评测指标 | 第17-20页 |
| ·推荐系统的评测维度 | 第20页 |
| ·大规模数据相关技术介绍 | 第20-22页 |
| ·分布式文件系统 HDFS | 第21页 |
| ·分布式计算模型 MapReduce | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 推荐系统的设计 | 第23-35页 |
| ·项目背景 | 第23页 |
| ·背景项目总体架构 | 第23-24页 |
| ·推荐系统外围架构 | 第24-25页 |
| ·推荐系统的整体设计 | 第25-28页 |
| ·使用基于特征的推荐系统架构 | 第26页 |
| ·推荐系统需求描述 | 第26-28页 |
| ·推荐引擎设计 | 第28-34页 |
| ·生成用户特征向量 | 第30-31页 |
| ·特征-物品相关推荐 | 第31页 |
| ·过滤模块 | 第31-32页 |
| ·排名模块 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 推荐系统的实现 | 第35-64页 |
| ·数据预处理方案 | 第35-37页 |
| ·推荐引擎的核心算法 | 第37-53页 |
| ·基于用户的协同过滤推荐算法 | 第38-43页 |
| ·基于物品的协同过滤推荐算法 | 第43-47页 |
| ·基于内容的推荐算法 | 第47-51页 |
| ·三种推荐算法的实验结果评测 | 第51-53页 |
| ·推荐引擎组合的实现 | 第53-63页 |
| ·推荐引擎组合的实现背景 | 第54页 |
| ·推荐引擎组合的工作机制 | 第54-62页 |
| ·组合推荐引擎推荐实验结果评测 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 推荐引擎在大规模数据上的实现 | 第64-74页 |
| ·大规模数据环境下的推荐系统架构 | 第64-65页 |
| ·Mahout 简介 | 第65-66页 |
| ·Mahout 中的协同过滤算法 | 第65-66页 |
| ·基于 Mahout 的推荐引擎实现 | 第66-73页 |
| ·使用 Taste 构建推荐引擎 | 第66-67页 |
| ·数据建模 | 第67-68页 |
| ·推荐算法实现 | 第68-71页 |
| ·用户界面展示 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 参考文献 | 第75-77页 |
| 致谢 | 第77-78页 |
| 附件 | 第78页 |
