| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-17页 |
| 1.1 论文背景与意义 | 第12-13页 |
| 1.2 国内外发展现状 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 相关技术概述 | 第17-25页 |
| 2.1 Hadoop生态系统 | 第17-20页 |
| 2.1.1 MapReduce并行计算 | 第18-19页 |
| 2.1.2 文件存储系统HDFS | 第19页 |
| 2.1.3 数据仓库Hive | 第19-20页 |
| 2.2 Spark生态系统 | 第20-22页 |
| 2.2.1 Spark核心引擎 | 第21-22页 |
| 2.2.2 机器学习库MLlib | 第22页 |
| 2.3 Spark与Hadoop MapReduce对比分析 | 第22-23页 |
| 2.4 LightGBM框架 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 上车点推荐系统的需求分析与概要设计 | 第25-33页 |
| 3.1 上车点推荐系统需求分析 | 第25-27页 |
| 3.1.1 系统用例分析 | 第26-27页 |
| 3.1.2 推荐内容需求 | 第27页 |
| 3.2 上车点推荐系统的整体架构设计 | 第27-30页 |
| 3.2.1 推荐系统框架结构 | 第27-29页 |
| 3.2.2 推荐系统排序流程 | 第29-30页 |
| 3.3 上车点推荐系统模块划分 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 上车点推荐系统详细设计与实现 | 第33-57页 |
| 4.1 基础上车点挖掘 | 第33-37页 |
| 4.1.1 相关数据说明 | 第33页 |
| 4.1.2 基于前向贪婪的空间点聚类算法 | 第33-34页 |
| 4.1.3 基础上车点挖掘的具体实现 | 第34-37页 |
| 4.2 日志解析整合模块 | 第37-43页 |
| 4.2.1 相关数据Hive表设计 | 第37-39页 |
| 4.2.2 数据处理流程图 | 第39-40页 |
| 4.2.3 模块结构和方法设计 | 第40-43页 |
| 4.3 订单抽取模块 | 第43-45页 |
| 4.3.1 数据处理流程 | 第44页 |
| 4.3.2 模块结构和方法设计 | 第44-45页 |
| 4.4 特征提取模块 | 第45-48页 |
| 4.4.1 上车点推荐特征详情 | 第45-47页 |
| 4.4.2 模块结构与方法设计 | 第47-48页 |
| 4.5 样本标注模块 | 第48-49页 |
| 4.5.1 标注方法简介 | 第48-49页 |
| 4.5.2 模块结构与方法设计 | 第49页 |
| 4.6 模型构建与评估模块 | 第49-56页 |
| 4.6.1 GBDT二分类模型的实现 | 第50-52页 |
| 4.6.2 LambdaMART模型的实现 | 第52-55页 |
| 4.6.3 离线效果评估 | 第55-56页 |
| 4.7 本章小结 | 第56-57页 |
| 5 上车点推荐系统实验与结果分析 | 第57-64页 |
| 5.1 模型评估指标 | 第57-59页 |
| 5.1.1 精确率-召回率 | 第57-58页 |
| 5.1.2 AUC值 | 第58-59页 |
| 5.1.3 NDCG值 | 第59页 |
| 5.2 实验结果分析 | 第59-63页 |
| 5.2.1 训练效率对比分析 | 第59-60页 |
| 5.2.2 建模效果对比 | 第60-61页 |
| 5.2.3 特征分析 | 第61-63页 |
| 5.2.4 在线推荐效果分析 | 第63页 |
| 5.3 本章小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 论文展望 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |