首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

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

论文共82页,点击 下载论文
上一篇:车牌识别技术的研究
下一篇:基于中国经验的俄罗斯电子商务发展问题研究