基于大数据平台的MOOC混合推荐算法的研究及应用
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景与意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-14页 |
1.3 本文主要研究内容 | 第14-15页 |
1.4 本文的组织结构 | 第15-16页 |
第二章 相关技术 | 第16-37页 |
2.1 推荐系统简介 | 第16-27页 |
2.1.1 推荐算法 | 第16-25页 |
2.1.2 推荐系统评价指标 | 第25-27页 |
2.2 大数据技术简介 | 第27-35页 |
2.2.1 Hadoop简介 | 第27-28页 |
2.2.2 HDFS文件系统 | 第28-31页 |
2.2.3 MapReduce计算模型 | 第31-35页 |
2.3 本章小结 | 第35-37页 |
第三章 面向MOOC的混合推荐算法研究 | 第37-51页 |
3.1 MOOC学习模式研究 | 第37-41页 |
3.1.1 MOOC的发展历程 | 第37页 |
3.1.2 推荐系统各应用场景的对比 | 第37-39页 |
3.1.3 MOOC数据特征研究 | 第39-41页 |
3.2 算法的优化设计 | 第41-46页 |
3.2.1 MOOC隐式评分模型 | 第41-44页 |
3.2.2 协同过滤算法 | 第44-45页 |
3.2.3 矩阵分解算法 | 第45-46页 |
3.3 实验 | 第46-50页 |
3.3.1 实验环境 | 第46页 |
3.3.2 实验数据集 | 第46页 |
3.3.3 实验数据集处理 | 第46-48页 |
3.3.4 实验评价标准 | 第48页 |
3.3.5 结果及分析 | 第48-50页 |
3.4 本章小结 | 第50-51页 |
第四章 基于大数据平台的MOOC推荐系统架构设计 | 第51-57页 |
4.1 项目背景 | 第51-52页 |
4.1.1 推荐系统设计目的 | 第51-52页 |
4.1.2 分布式推荐系统的问题 | 第52页 |
4.2 推荐系统架构设计 | 第52-55页 |
4.2.1 数据采集模块 | 第52-53页 |
4.2.2 数据存储模块 | 第53-54页 |
4.2.3 推荐引擎组模块 | 第54页 |
4.2.4 推荐结果处理模块 | 第54-55页 |
4.2.5 用户交互模块 | 第55页 |
4.2.6 系统管理模块 | 第55页 |
4.3 推荐引擎设计 | 第55-56页 |
4.4 本章小结 | 第56-57页 |
第五章 基于大数据平台的MOOC推荐系统实现 | 第57-69页 |
5.1 数据采集模块的实现 | 第57-59页 |
5.1.1 Apache Flume | 第57-58页 |
5.1.2 流作业实现 | 第58-59页 |
5.2 数据存储模块的实现 | 第59-65页 |
5.2.1 实时数据 | 第61-62页 |
5.2.2 历史数据 | 第62-63页 |
5.2.3 其他数据 | 第63-65页 |
5.3 推荐引擎组的实现 | 第65-68页 |
5.3.1 协同过滤推荐引擎 | 第65-67页 |
5.3.2 矩阵分解推荐引擎 | 第67-68页 |
5.4 本章小结 | 第68-69页 |
第六章 总结与展望 | 第69-71页 |
6.1 本文工作总结 | 第69页 |
6.2 未来展望 | 第69-71页 |
致谢 | 第71-72页 |
参考文献 | 第72-77页 |
附录 | 第77-78页 |
详细摘要 | 第78-82页 |