基于混合推荐模式的汽车类文章推荐系统的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第13-19页 |
| 1.1 课题背景 | 第13-14页 |
| 1.1.1 推荐系统概述 | 第13-14页 |
| 1.1.2 汽车类文章推荐系统的意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 推荐技术研究现状 | 第14-16页 |
| 1.2.2 推荐系统的发展现状 | 第16-17页 |
| 1.3 本人主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18页 |
| 1.5 本章小节 | 第18-19页 |
| 2 相关技术综述 | 第19-27页 |
| 2.1 Spring Boot框架 | 第19-20页 |
| 2.1.1 Spring Boot简介 | 第19页 |
| 2.1.2 Spring Boot特性 | 第19-20页 |
| 2.2 MyBatis框架 | 第20-21页 |
| 2.2.1 MyBatis功能架构 | 第20-21页 |
| 2.2.2 MyBatis特点 | 第21页 |
| 2.3 Hadoop大数据处理技术 | 第21-25页 |
| 2.3.1 分布式文件系统HDFS | 第22-23页 |
| 2.3.2 MapReduce编程模型 | 第23-25页 |
| 2.4 ECharts数据可视化工具 | 第25页 |
| 2.5 本章小节 | 第25-27页 |
| 3 系统需求分析 | 第27-41页 |
| 3.1 系统需求概述 | 第27-30页 |
| 3.1.1 系统业务分析 | 第27-28页 |
| 3.1.2 系统用例分析 | 第28-30页 |
| 3.1.3 系统开发环境 | 第30页 |
| 3.2 数据同步与处理模块需求分析 | 第30-31页 |
| 3.3 推荐策略离线计算模块需求分析 | 第31-35页 |
| 3.3.1 基于内容的推荐策略需求分析 | 第31-32页 |
| 3.3.2 基于协同过滤的推荐策略需求分析 | 第32-33页 |
| 3.3.3 基于关联规则的推荐策略需求分析 | 第33-34页 |
| 3.3.4 文章内容相似度计算策略需求分析 | 第34页 |
| 3.3.5 文章热度计算策略需求分析 | 第34-35页 |
| 3.4 推荐引擎模块需求分析 | 第35-36页 |
| 3.4.1 个性化文章推荐需求分析 | 第35-36页 |
| 3.4.2 相关文章推荐需求分析 | 第36页 |
| 3.5 推荐后台管理模块需求分析 | 第36-39页 |
| 3.5.1 推荐效果监控需求分析 | 第36-37页 |
| 3.5.2 推荐策略管理需求分析 | 第37-38页 |
| 3.5.3 文章管理需求分析 | 第38页 |
| 3.5.4 文章类别管理需求分析 | 第38-39页 |
| 3.6 系统非功能性需求 | 第39页 |
| 3.6.1 响应时间 | 第39页 |
| 3.7 本章小节 | 第39-41页 |
| 4 系统设计 | 第41-65页 |
| 4.1 系统架构设计 | 第41-42页 |
| 4.2 系统模块划分 | 第42-43页 |
| 4.3 HDFS存储设计 | 第43-45页 |
| 4.4 关系型数据库设计 | 第45-49页 |
| 4.4.1 E-R图设计 | 第45-46页 |
| 4.4.2 物理表结构设计 | 第46-49页 |
| 4.5 数据同步与处理模块设计 | 第49-52页 |
| 4.6 推荐策略离线计算模块设计 | 第52-59页 |
| 4.6.1 基于内容的推荐策略设计 | 第52-55页 |
| 4.6.2 基于协同过滤的推荐策略设计 | 第55-56页 |
| 4.6.3 基于关联规则的推荐策略设计 | 第56-58页 |
| 4.6.4 文章内容相似度计算策略设计 | 第58-59页 |
| 4.6.5 文章热度计算策略设计 | 第59页 |
| 4.7 推荐引擎模块设计 | 第59-62页 |
| 4.7.1 个性化文章推荐设计 | 第60-61页 |
| 4.7.2 相关文章推荐设计 | 第61-62页 |
| 4.8 推荐后台管理模块设计 | 第62-64页 |
| 4.9 本章小节 | 第64-65页 |
| 5 系统实现 | 第65-93页 |
| 5.1 数据同步与处理模块实现 | 第65-68页 |
| 5.1.1 用户行为数据同步与处理的实现 | 第65-66页 |
| 5.1.2 车型数据同步与处理的实现 | 第66页 |
| 5.1.3 文章数据同步与处理的实现 | 第66-67页 |
| 5.1.4 用户收藏夹数据同步与处理的实现 | 第67-68页 |
| 5.2 推荐策略离线计算模块实现 | 第68-82页 |
| 5.2.1 基于内容的推荐策略实现 | 第69-75页 |
| 5.2.2 基于协同过滤的推荐策略实现 | 第75-77页 |
| 5.2.3 基于关联规则的推荐策略实现 | 第77-80页 |
| 5.2.4 文章内容相似度计算策略实现 | 第80-81页 |
| 5.2.5 文章热度计算策略实现 | 第81-82页 |
| 5.3 推荐引擎模块实现 | 第82-87页 |
| 5.3.1 个性化文章推荐实现 | 第82-85页 |
| 5.3.2 相关文章推荐实现 | 第85-87页 |
| 5.4 推荐后台管理模块实现 | 第87-91页 |
| 5.4.1 推荐效果监控实现 | 第87-89页 |
| 5.4.2 推荐策略管理实现 | 第89-90页 |
| 5.4.3 文章管理实现 | 第90-91页 |
| 5.4.4 文章类别管理实现 | 第91页 |
| 5.5 本章小节 | 第91-93页 |
| 6 系统测试 | 第93-99页 |
| 6.1 功能性测试 | 第93-97页 |
| 6.1.1 个性化文章推荐测试 | 第93-96页 |
| 6.1.2 相关文章推荐测试 | 第96-97页 |
| 6.2 非功能性测试 | 第97-98页 |
| 6.3 本章小节 | 第98-99页 |
| 7 总结与展望 | 第99-101页 |
| 7.1 总结 | 第99-100页 |
| 7.2 展望 | 第100-101页 |
| 参考文献 | 第101-103页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第103-107页 |
| 学位论文数据集 | 第107页 |
