摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 研究背景 | 第11页 |
1.2 相关工作 | 第11-13页 |
1.2.1 畅邮视频搜索系统介绍 | 第12页 |
1.2.2 视频推荐发展现状 | 第12-13页 |
1.3 本文研究内容及贡献 | 第13-15页 |
1.3.1 面临的挑战 | 第13-14页 |
1.3.2 系统目标 | 第14页 |
1.3.3 解决方案 | 第14-15页 |
1.4 本文组织结构 | 第15-16页 |
1.5 本章小结 | 第16-17页 |
第二章 搜索引擎与推荐引擎的研究与分析 | 第17-25页 |
2.1 搜索引擎与推荐引擎分析 | 第17页 |
2.2 推荐引擎技术的研究与分析 | 第17-24页 |
2.2.1 推荐系统架构分析 | 第17-19页 |
2.2.2 推荐算法研究与分析 | 第19-22页 |
2.2.3 几种推荐引擎的研究 | 第22-24页 |
2.3 本章小结 | 第24-25页 |
第三章 面向用户个性化推荐的日志分析系统概述 | 第25-33页 |
3.1 系统框架模型概述 | 第25页 |
3.2 系统功能模块简介 | 第25-27页 |
3.2.1 日志收集模块 | 第25-26页 |
3.2.2 日志存储分析模块 | 第26页 |
3.2.3 推荐引擎模块 | 第26页 |
3.2.4 结果反馈模块 | 第26-27页 |
3.3 系统实现工具的研究与分析 | 第27-32页 |
3.3.1 Apache Hadoop项目简介 | 第27-28页 |
3.3.2 数据存储分析工具的研究与分析 | 第28-32页 |
3.3.3 推荐工具的研究与分析 | 第32页 |
3.4 本章小结 | 第32-33页 |
第四章 面向用户个性化推荐的日志分析系统设计与实现 | 第33-44页 |
4.1 系统架构设计 | 第33页 |
4.2 可行性分析 | 第33-35页 |
4.3 系统设计与实现 | 第35-42页 |
4.3.1 日志收集模块 | 第35-36页 |
4.3.2 日志存储分析模块 | 第36-39页 |
4.3.3 推荐引擎模块 | 第39-41页 |
4.3.4 结果反馈模块 | 第41-42页 |
4.4 系统数据流分析 | 第42-43页 |
4.5 本章小结 | 第43-44页 |
第五章 Mahout推荐工具源码分析及优化 | 第44-56页 |
5.1 Mahout源码框架概况 | 第44-45页 |
5.2 推荐工具Taste源码分析 | 第45-52页 |
5.2.1 DataModel模块 | 第45-48页 |
5.2.2 Similarity模块 | 第48-49页 |
5.2.3 UserNeighborhood模块 | 第49-50页 |
5.2.4 Recommender模块 | 第50-52页 |
5.2.5 Evaluator模块 | 第52页 |
5.3 Mahout推荐工具源码优化 | 第52-55页 |
5.3.1 依据时间遗忘曲线原理进行优化 | 第52-54页 |
5.3.2 相似度计算优化 | 第54-55页 |
5.4 本章小结 | 第55-56页 |
第六章 实验及测试 | 第56-68页 |
6.1 实验环境 | 第56-57页 |
6.1.1 硬件配置 | 第56-57页 |
6.1.2 软件配置 | 第57页 |
6.2 面向用户个性化推荐的日志分析系统功能及性能测试 | 第57-62页 |
6.2.1 Hadoop集群、Hive及Mahout的功能测试 | 第57-59页 |
6.2.2 Hive数据定义与操作功能测试 | 第59-60页 |
6.2.3 可靠性与可扩展性测试 | 第60-61页 |
6.2.4 日志分析和推荐计算效率测试 | 第61-62页 |
6.3 个性化推荐结果测试 | 第62-65页 |
6.3.1 测试场景 | 第62页 |
6.3.2 测试指标 | 第62-63页 |
6.3.3 测试结果 | 第63-65页 |
6.4 实际运行试验 | 第65-67页 |
6.5 本章小结 | 第67-68页 |
第七章 总结和展望 | 第68-70页 |
7.1 本文工作总结 | 第68页 |
7.2 今后研究展望 | 第68-70页 |
参考文献 | 第70-72页 |
缩略语 | 第72-73页 |
致谢 | 第73-74页 |
攻读学位期间发表的学术论文和科研情况 | 第74页 |