基于Spark平台的组合推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究现状和发展趋势 | 第10-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 相关技术与基本理论 | 第14-23页 |
| 2.1 Spark分布式平台 | 第14-20页 |
| 2.1.1 Spark | 第14-15页 |
| 2.1.2 弹性分布式数据集 | 第15-17页 |
| 2.1.3 HDFS | 第17-18页 |
| 2.1.4 YARN | 第18-20页 |
| 2.2 推荐系统 | 第20-23页 |
| 2.2.1 推荐系统概述 | 第20-21页 |
| 2.2.2 推荐系统评价标准 | 第21-22页 |
| 2.2.3 目前存在的主要问题 | 第22-23页 |
| 第3章 对ALS算法的优化与实现 | 第23-29页 |
| 3.1 开发工具与实验环境 | 第23-25页 |
| 3.1.1 Spark集群环境 | 第23-25页 |
| 3.1.2 实验数据介绍 | 第25页 |
| 3.2 als算法分析 | 第25-26页 |
| 3.3 算法动态设计 | 第26-27页 |
| 3.4 实验及结果分析 | 第27-29页 |
| 第4章 基于项目与基于用户的协同过滤算法改进 | 第29-39页 |
| 4.1 基于项目的协同过滤推荐算法 | 第29-33页 |
| 4.1.1 传统算法分析 | 第29-31页 |
| 4.1.2 算法改进思想 | 第31-32页 |
| 4.1.3 算法编程及实现 | 第32-33页 |
| 4.2 基于用户的协同过滤推荐算法 | 第33-35页 |
| 4.3 实验及结果分析 | 第35-39页 |
| 4.3.1 基于项目相似度的协同过滤 | 第35-36页 |
| 4.3.2 基于用户相似度的协同过滤 | 第36-37页 |
| 4.3.3 结果分析 | 第37-39页 |
| 第5章 基于Spark的组合推荐算法 | 第39-49页 |
| 5.1 组合推荐算法架构 | 第39-40页 |
| 5.2 算法模型设计及实现 | 第40-45页 |
| 5.2.1 建立模型 | 第40-41页 |
| 5.2.2 编程与实现 | 第41-45页 |
| 5.3 实验及结果分析 | 第45-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49页 |
| 6.2 工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 在读期间发表的学术论文及研究成果 | 第54-55页 |
| 致谢 | 第55页 |
