基于大数据的推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 面临的问题 | 第14-17页 |
| 1.4 推荐系统实例 | 第17-18页 |
| 1.5 本文主要工作 | 第18-19页 |
| 1.6 本文组织结构 | 第19-20页 |
| 第二章 推荐系统概述 | 第20-34页 |
| 2.1 推荐系统简史 | 第20-21页 |
| 2.2 推荐系统的概念 | 第21-22页 |
| 2.3 推荐系统的常用方法 | 第22-28页 |
| 2.4 推荐系统衡量指标 | 第28-32页 |
| 2.5 推荐系统研究的数据集 | 第32-34页 |
| 第三章 改进相似度计算公式 | 第34-42页 |
| 3.1 余弦距离和皮尔逊相关系数 | 第34-36页 |
| 3.2 改进的相似度 | 第36-38页 |
| 3.3 实验 | 第38-42页 |
| 第四章 基于项目层次相似性的推荐算法 | 第42-50页 |
| 4.1 项目标签的层次结构 | 第42-45页 |
| 4.2 预测评分计算方法 | 第45-46页 |
| 4.3 实验 | 第46-50页 |
| 第五章 矩阵分解并行化 | 第50-71页 |
| 5.1 矩阵分解算法 | 第50-53页 |
| 5.2 相关技术 | 第53-56页 |
| 5.3 矩阵乘法的分布式化 | 第56-64页 |
| 5.4 实验 | 第64-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士期间科研成果 | 第78-79页 |
| 致谢 | 第79页 |
