| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及国内外研究现状 | 第10-12页 |
| 1.2 研究内容和意义 | 第12-14页 |
| 1.2.1 基于位置的社会化网络的POI推荐算法 | 第12-13页 |
| 1.2.2 基于内容的群组推荐算法 | 第13-14页 |
| 1.2.3 推荐算法的并行化 | 第14页 |
| 1.2.4 推荐系统的原型设计及开发 | 第14页 |
| 1.3 论文结构安排 | 第14-16页 |
| 第二章 相关概念与相关工作 | 第16-24页 |
| 2.1 推荐系统概念介绍 | 第16-17页 |
| 2.2 常用推荐算法介绍 | 第17-21页 |
| 2.2.1 基于内容的推荐 | 第17-18页 |
| 2.2.2 协同过滤推荐 | 第18-20页 |
| 2.2.3 基于关联规则的推荐 | 第20页 |
| 2.2.4 基于社会网络分析的推荐 | 第20-21页 |
| 2.2.5 群组推荐 | 第21页 |
| 2.3 原型系统底层技术介绍 | 第21-24页 |
| 2.3.1 底层存储 | 第21-22页 |
| 2.3.2 计算平台 | 第22-23页 |
| 2.3.3 机器学习算法库 | 第23-24页 |
| 第三章 基于群组关系的推荐算法 | 第24-41页 |
| 3.1 基于位置的社会化网络的并行化推荐算法 | 第24-33页 |
| 3.1.1 数据分析 | 第25-28页 |
| 3.1.2 推荐算法 | 第28-32页 |
| 3.1.3 基于Spark的并行化策略 | 第32-33页 |
| 3.2 基于内容的群组推荐算法 | 第33-41页 |
| 3.2.1 问题描述及形式化定义 | 第34-35页 |
| 3.2.2 群组划分 | 第35-38页 |
| 3.2.3 基于主题和矩阵分解的群组模型 | 第38-41页 |
| 第四章 基于LGM的群组推荐算法的并行化设计与实现 | 第41-48页 |
| 4.1 LGM | 第41-45页 |
| 4.1.1 问题描述 | 第41-42页 |
| 4.1.2 基于LGM的群组推荐算法 | 第42-45页 |
| 4.2 基于LGM的并行化群组推荐算法 | 第45-48页 |
| 第五章 实验 | 第48-66页 |
| 5.1 实验环境 | 第48页 |
| 5.2 实验数据 | 第48-49页 |
| 5.2.1 基于位置的社会化网络数据 | 第48页 |
| 5.2.2 用户-物品评分记录 | 第48-49页 |
| 5.2.3 包含评论信息的用户-物品评分数据 | 第49页 |
| 5.3 算法评价指标 | 第49-50页 |
| 5.3.1 算法的正确性验证 | 第49-50页 |
| 5.3.2 并行化算法的效率验证 | 第50页 |
| 5.4 分析实验 | 第50-66页 |
| 5.4.1 基于位置的社会化网络的并行化推荐算法 | 第50-56页 |
| 5.4.2 基于内容的并行化群组推荐算法 | 第56-58页 |
| 5.4.3 基于LGM的并行化群组推荐算法 | 第58-66页 |
| 第六章 推荐原型系统的设计与实现 | 第66-78页 |
| 6.1 原型系统的开发环境及关键技术 | 第66页 |
| 6.2 系统总体设计 | 第66-67页 |
| 6.3 详细设计与实现 | 第67-78页 |
| 6.3.1 底层数据源介绍 | 第68-69页 |
| 6.3.2 推荐引擎 | 第69-72页 |
| 6.3.3 系统展示层介绍 | 第72-78页 |
| 第七章 总结与展望 | 第78-80页 |
| 7.1 总结 | 第78-79页 |
| 7.2 展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士学位期间发表的论文 | 第85页 |