| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 协同过滤推荐算法研究现状 | 第11-12页 |
| 1.2.2 流式计算研究现状 | 第12-13页 |
| 1.2.3 基于矩阵分解的协同过滤推荐算法并行化研究现状 | 第13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关技术与理论基础 | 第16-29页 |
| 2.1 协同过滤推荐 | 第16-17页 |
| 2.2 矩阵分解 | 第17-18页 |
| 2.3 随机梯度下降法 | 第18-19页 |
| 2.4 分布式流计算平台 | 第19-24页 |
| 2.4.1 Storm | 第20-21页 |
| 2.4.2 Spark Streaming | 第21页 |
| 2.4.3 Flink | 第21-24页 |
| 2.5 实时大数据处理架构 | 第24-25页 |
| 2.5.1 Lambda架构 | 第24-25页 |
| 2.5.2 Kappa架构 | 第25页 |
| 2.6 参数服务器 | 第25-26页 |
| 2.7 异常检测 | 第26-27页 |
| 2.8 用户兴趣漂移 | 第27-28页 |
| 2.9 本章小结 | 第28-29页 |
| 第三章 DS-SGD算法的设计与并行化改进 | 第29-42页 |
| 3.1 基础算法 | 第29-30页 |
| 3.1.1 带偏好的矩阵分解 | 第29页 |
| 3.1.2 分布式矩阵分解 | 第29-30页 |
| 3.2 DS-SGD算法的设计与并行化改进 | 第30-41页 |
| 3.2.1 数据并行与模型分片方案 | 第30-32页 |
| 3.2.2 对等参数交换机制 | 第32-35页 |
| 3.2.3 参数交换步长提升 | 第35-37页 |
| 3.2.4 异常评分检测与处理 | 第37-38页 |
| 3.2.5 用户兴趣漂移应对 | 第38-40页 |
| 3.2.6 DS-SGD算法总结 | 第40-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于分布式流处理平台的实时推荐系统的实现 | 第42-55页 |
| 4.1 需求分析 | 第42-43页 |
| 4.1.1 功能需求 | 第42页 |
| 4.1.2 性能需求 | 第42-43页 |
| 4.2 系统架构 | 第43-46页 |
| 4.2.1 技术选型 | 第43页 |
| 4.2.2 集群环境 | 第43-44页 |
| 4.2.3 功能架构 | 第44-46页 |
| 4.3 数据预处理模块 | 第46-49页 |
| 4.4 DS-SGD建模模块 | 第49-51页 |
| 4.5 性能评估模块 | 第51-52页 |
| 4.6 推荐模块 | 第52-53页 |
| 4.7 本章小结 | 第53-55页 |
| 第五章 实验结果与分析 | 第55-62页 |
| 5.1 实验环境配置 | 第55-56页 |
| 5.2 实验数据集 | 第56页 |
| 5.3 实验设计与结果评估 | 第56-60页 |
| 5.3.1 加速比实验 | 第56-57页 |
| 5.3.2 评分预测准确性实验 | 第57-59页 |
| 5.3.3 通讯开销实验 | 第59-60页 |
| 5.3.4 隐特征向量维度实验 | 第60页 |
| 5.4 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 论文总结 | 第62-63页 |
| 6.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间取得的研究成果 | 第69页 |