| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的主要研究内容 | 第12-13页 |
| 1.4 论文组织情况 | 第13-14页 |
| 第二章 相关知识概述 | 第14-28页 |
| 2.1 协同过滤算法的分类 | 第14-19页 |
| 2.1.1 基于内存的协同过滤推荐算法 | 第14-18页 |
| 2.1.2 基于模型的协同过滤推荐算法 | 第18-19页 |
| 2.2 推荐系统评价指标 | 第19-20页 |
| 2.2.1 预测准确度指标 | 第19页 |
| 2.2.2 分类准确率指标 | 第19-20页 |
| 2.3 大数据处理技术 | 第20-27页 |
| 2.3.1 Hadoop技术 | 第20-22页 |
| 2.3.2 Map-Reduce编程技术 | 第22-25页 |
| 2.3.3 Spark计算框架 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 改进的协同过滤推荐算法 | 第28-42页 |
| 3.1 基于项目相似度传递的协同推荐算法 | 第28-33页 |
| 3.1.1 问题概述 | 第28-29页 |
| 3.1.2 改进的项目相似度计算方法 | 第29-33页 |
| 3.2 用户兴趣变化隐语义模型 | 第33-37页 |
| 3.3 实验分析 | 第37-41页 |
| 3.3.1 基于项目相似度传递算法实验分析 | 第37-39页 |
| 3.3.2 基于用户兴趣变化语义算法实验分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于Spark大数据处理推荐引擎系统的设计 | 第42-50页 |
| 4.1 推荐引擎系统总体架构 | 第42-44页 |
| 4.2 核心模块设计 | 第44-46页 |
| 4.2.1 业务层与用户交互反馈模块 | 第44-45页 |
| 4.2.2 数据处理与推荐模块 | 第45页 |
| 4.2.3 数据收集与存储模块 | 第45-46页 |
| 4.2.4 监控模块 | 第46页 |
| 4.3 大数据推荐系统引擎设计 | 第46-49页 |
| 4.3.1 用户特征向量 | 第47-48页 |
| 4.3.2 特征-物品相关推荐 | 第48页 |
| 4.3.3 过滤排名推荐 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 电影推荐系统实现 | 第50-60页 |
| 5.1 数据预处理 | 第50-51页 |
| 5.2 推荐引擎核心算法实现 | 第51-54页 |
| 5.2.1 基于用户相似度传递推荐算法 | 第51-53页 |
| 5.2.2 基于语义模型推荐算法 | 第53-54页 |
| 5.3 混合推荐引擎实现 | 第54-57页 |
| 5.4 系统实现情况 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 系统测试与运行 | 第60-66页 |
| 6.1 系统测试方案 | 第60页 |
| 6.2 系统功能测试 | 第60-63页 |
| 6.3 系统性能测试 | 第63-65页 |
| 6.4 系统运行 | 第65页 |
| 6.5 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66-67页 |
| 7.2 展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70页 |