| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 论文研究内容 | 第10-11页 |
| 1.3 本文贡献和创新点 | 第11页 |
| 1.4 论文章节安排 | 第11-13页 |
| 2 社交网络的活动推荐研究现状 | 第13-19页 |
| 2.1 推荐系统的研究现状 | 第13-15页 |
| 2.2 社交网络的活动推荐研究现状 | 第15-18页 |
| 2.3 本章小结 | 第18-19页 |
| 3 基于用户长短兴趣的推荐算法 | 第19-40页 |
| 3.1 LDA主题模型 | 第19页 |
| 3.2 用户LDA兴趣模型与活动LDA特征的统计分析 | 第19-21页 |
| 3.3 用户长短兴趣模型 | 第21-23页 |
| 3.4 推荐算法核心步骤 | 第23-27页 |
| 3.5 实验数据处理 | 第27-31页 |
| 3.6 实验结果 | 第31-39页 |
| 3.7 总结与展望 | 第39-40页 |
| 4 基于相似用户群的推荐算法 | 第40-57页 |
| 4.1 基于用户长短兴趣算法的不足 | 第40页 |
| 4.2 加入活动热度的UIB算法介绍 | 第40-47页 |
| 4.3 对比算法 | 第47-49页 |
| 4.4 实验结果 | 第49-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 推荐系统的设计与开发 | 第57-83页 |
| 5.1 推荐系统后台架构设计 | 第57-58页 |
| 5.2 系统功能模块实现 | 第58-78页 |
| 5.2.1 数据源 | 第58-64页 |
| 5.2.1.1 URL管理模块 | 第59-61页 |
| 5.2.1.2 DNS管理模块 | 第61-62页 |
| 5.2.1.3 IP代理池 | 第62-63页 |
| 5.2.1.4 主程序模块 | 第63-64页 |
| 5.2.2 数据计算层 | 第64-68页 |
| 5.2.2.1 网页解析模块 | 第65-66页 |
| 5.2.2.2 实时计算模块 | 第66页 |
| 5.2.2.3 离线计算模块 | 第66-68页 |
| 5.2.3 数据存储层 | 第68-73页 |
| 5.2.3.1 MySQl | 第68-71页 |
| 5.2.3.2 MongoDB | 第71-73页 |
| 5.2.3.3 Redis | 第73页 |
| 5.2.4 应用层 | 第73-78页 |
| 5.2.4.1 Lua/Openresty简述 | 第73页 |
| 5.2.4.2 MVC架构简述 | 第73-75页 |
| 5.2.4.1 用户管理模块 | 第75-76页 |
| 5.2.4.2 活动管理模块 | 第76-78页 |
| 5.3 开发工具 | 第78页 |
| 5.4 测试结果 | 第78-82页 |
| 5.5 本章小结 | 第82-83页 |
| 6 总结与展望 | 第83-85页 |
| 6.1 论文工作总结 | 第83页 |
| 6.2 下一步工作展望 | 第83-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 攻读硕士学位期间发表的学术论文 | 第92页 |