摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第14-20页 |
1.1 研究背景 | 第14-16页 |
1.1.1 电子商务的发展状况 | 第14页 |
1.1.2 推荐系统的机遇和挑战 | 第14-16页 |
1.2 国内外研究现状 | 第16-17页 |
1.2.1 推荐系统的发展现状 | 第16页 |
1.2.2 推荐算法研究现状 | 第16-17页 |
1.3 本课题研究的内容 | 第17-20页 |
第二章 推荐引擎关键理论与技术研究 | 第20-30页 |
2.1 推荐引擎的工作原理 | 第20-21页 |
2.2 主流的推荐机制 | 第21-24页 |
2.2.1 基于人.统计学的推荐 | 第21-22页 |
2.2.2 基于内容的推荐 | 第22页 |
2.2.3 基于协同过滤的推荐 | 第22-23页 |
2.2.4 混合的推荐机制 | 第23-24页 |
2.3 大数据下的数据处理简介 | 第24-25页 |
2.3.1 大数据的特点 | 第24页 |
2.3.2 大数据的一般处理流程 | 第24-25页 |
2.4 相关关键技术研究 | 第25-30页 |
2.4.1 Hadoop | 第25-28页 |
2.4.2 Mahout | 第28-30页 |
第三章 推荐引擎架构及核心技术研究 | 第30-42页 |
3.1 大数据下的推荐引擎所面临的问题 | 第30页 |
3.2 推荐引擎模型 | 第30-35页 |
3.2.1 解决方案 | 第30-31页 |
3.2.2 体系结构 | 第31-33页 |
3.2.3 主要模块构成 | 第33-35页 |
3.3 分布式推荐算法研究 | 第35-42页 |
3.3.1 基于项目的分布式协同过滤推荐算法构建 | 第35-37页 |
3.3.2 基于项目的分布式协同过滤推荐存在的问题 | 第37页 |
3.3.3 协同过滤方法缺陷问题弥补方案 | 第37-40页 |
3.3.4 组合推荐的精确度实验 | 第40-42页 |
第四章 推荐引擎设计需求分析 | 第42-48页 |
4.1 推荐引擎平台需要达成的目标 | 第42页 |
4.2 推荐引擎的功能需求 | 第42-47页 |
4.2.1 推荐引擎整体功能结构 | 第42-43页 |
4.2.2 系统用例分析 | 第43-46页 |
4.2.3 系统活动图 | 第46-47页 |
4.3 非功能性需求 | 第47页 |
4.4 本章小结 | 第47-48页 |
第五章 推荐引擎的设计 | 第48-64页 |
5.1 推荐引擎系统架构 | 第48-49页 |
5.2 系统功能架构 | 第49-50页 |
5.3 系统的总体功能设计 | 第50-51页 |
5.4 数据库设计 | 第51-53页 |
5.4.1 数据库逻辑设计 | 第51-52页 |
5.4.2 数据库表结构设计 | 第52-53页 |
5.5 代码包结构 | 第53-54页 |
5.6 在线推荐子系统详细设计 | 第54-62页 |
5.6.1 功能描述 | 第54-57页 |
5.6.2 功能类图 | 第57-60页 |
5.6.3 功能交互图 | 第60-62页 |
5.6.4 组件图 | 第62页 |
5.7 本章小结 | 第62-64页 |
第六章 大数据推荐引擎的实现与测试 | 第64-78页 |
6.1 实现环境 | 第64-66页 |
6.1.1 系统的集群架构 | 第64-65页 |
6.1.2 运行软硬件配置 | 第65页 |
6.1.3 Hadoop集群环境搭建 | 第65-66页 |
6.2 系统的项目结构 | 第66-67页 |
6.3 系统功能实现 | 第67-75页 |
6.3.1 文本相似度算法实现 | 第67-70页 |
6.3.2 基于用户行为的偏好估计算法实现 | 第70-74页 |
6.3.3 推荐界面展示 | 第74-75页 |
6.4 系统测试与结果分析 | 第75-76页 |
6.4.1 测试软硬件环境 | 第75页 |
6.4.2 功能测试 | 第75-76页 |
6.4.3 并发性能测试 | 第76页 |
6.5 本章小结 | 第76-78页 |
第七章 总结与展望 | 第78-80页 |
7.1 本文总结 | 第78页 |
7.2 工作展望 | 第78-80页 |
参考文献 | 第80-84页 |
致谢 | 第84-86页 |
作者简介 | 第86-87页 |