| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文研究背景 | 第10-11页 |
| 1.2 研究现状分析 | 第11-14页 |
| 1.2.1 Spark平台研究现状 | 第11-12页 |
| 1.2.2 推荐系统研究现状 | 第12-14页 |
| 1.2.3 基于Spark平台的推荐系统应用现状 | 第14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第2章 相关技术及理论研究 | 第16-29页 |
| 2.1 Spark平台 | 第16-21页 |
| 2.1.1 Spark简介 | 第16-17页 |
| 2.1.2 Spark运行架构 | 第17-19页 |
| 2.1.3 Spark生态系统 | 第19-21页 |
| 2.2 推荐系统 | 第21-29页 |
| 2.2.1 推荐系统概念及应用 | 第21-22页 |
| 2.2.2 推荐算法 | 第22-27页 |
| 2.2.3 推荐系统评测 | 第27-29页 |
| 第3章 基于Spark平台的推荐系统设计 | 第29-36页 |
| 3.1 系统架构设计 | 第29-31页 |
| 3.2 数据仓库设计 | 第31-32页 |
| 3.3 推荐引擎设计 | 第32-33页 |
| 3.4 系统管理设计 | 第33-34页 |
| 3.5 基于Spark推荐算法并行化设计 | 第34-36页 |
| 第4章 基于Spark平台的推荐系统实现与优化 | 第36-47页 |
| 4.1 数据仓库实现 | 第36-38页 |
| 4.1.1 Parquet列式存储 | 第36-38页 |
| 4.1.2 Spark SQL查询分析 | 第38页 |
| 4.2 推荐算法并行化实现 | 第38-46页 |
| 4.2.1 基于SVD模型的协同过滤的推荐引擎实现 | 第39-44页 |
| 4.2.2 基于人口统计学的推荐引擎实现 | 第44-45页 |
| 4.2.3 基于内容的推荐引擎实现 | 第45-46页 |
| 4.3 推荐引擎优化 | 第46-47页 |
| 第5章 实验及结果分析 | 第47-53页 |
| 5.1 实验环境 | 第47-48页 |
| 5.2 实验设计 | 第48-49页 |
| 5.3 实验评测 | 第49-53页 |
| 5.3.1 计算速度 | 第49-51页 |
| 5.3.2 计算准确度 | 第51-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间公开发表论文 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |