| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 云计算的研究现状 | 第9-10页 |
| 1.2.2 个性化推荐技术的研究现状 | 第10页 |
| 1.3 论文主要工作及组织结构 | 第10-12页 |
| 2 相关技术及原理 | 第12-26页 |
| 2.1 云计算技术 | 第12-13页 |
| 2.2 虚拟化技术 | 第13-14页 |
| 2.2.1 虚拟化概念 | 第13页 |
| 2.2.2 服务器虚拟化 | 第13-14页 |
| 2.3 主流大数据平台 | 第14-19页 |
| 2.3.1 Hadoop分布式计算框架 | 第14-16页 |
| 2.3.2 Spark大数据平台 | 第16-17页 |
| 2.3.3 Spark RDD及运行架构 | 第17-18页 |
| 2.3.4 Spark MLlib机器学习 | 第18-19页 |
| 2.3.5 Scala语言 | 第19页 |
| 2.4 个性化推荐技术及原理 | 第19-25页 |
| 2.4.1 推荐系统架构 | 第19-20页 |
| 2.4.2 推荐算法分析 | 第20-25页 |
| 2.4.3 聚类分析 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于校园资源云平台的Spark图书推荐系统设计 | 第26-35页 |
| 3.1 校园资源云平台计算及存储资源设计 | 第26-27页 |
| 3.2 校园资源云平台功能设计 | 第27-28页 |
| 3.2.1 云管理平台功能设计 | 第27-28页 |
| 3.2.2 虚拟化功能设计 | 第28页 |
| 3.2.3 数据库设计 | 第28页 |
| 3.3 系统总体架构 | 第28-29页 |
| 3.4 混合推荐算法的设计 | 第29-34页 |
| 3.4.1 基于ALS的矩阵分解协同过滤算法的设计 | 第30-31页 |
| 3.4.2 K-Means聚类算法的设计及优化 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于Spark机器学习的图书混合推荐算法的实现 | 第35-48页 |
| 4.1 Spark集群搭建 | 第35-38页 |
| 4.2 用户图书数据预处理 | 第38-41页 |
| 4.2.1 用户信息表预处理 | 第38-39页 |
| 4.2.2 图书信息表预处理 | 第39-40页 |
| 4.2.3 图书借阅信息预处理 | 第40-41页 |
| 4.3 构建用户-图书评分矩阵 | 第41-42页 |
| 4.4 基于用户聚类和ALS矩阵分解的图书混合推荐算法的实现 | 第42-47页 |
| 4.4.1 基于用户属性的聚类算法在Spark中的实现 | 第43-45页 |
| 4.4.2 基于ALS矩阵分解推荐算法在Spark中的实现 | 第45-46页 |
| 4.4.3 用户冷启动实现 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 实验与结果分析 | 第48-56页 |
| 5.1 实验目的 | 第48页 |
| 5.2 集群的测试 | 第48-49页 |
| 5.3 实验数据集 | 第49页 |
| 5.4 实验设计与实现 | 第49-55页 |
| 5.4.1 K-Means优化效果 | 第49-50页 |
| 5.4.2 ALS模型参数的确定 | 第50-53页 |
| 5.4.3 算法融合前后对比 | 第53-54页 |
| 5.4.4 Spark平台加速比 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
