| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景与现状 | 第10-12页 |
| 1.2 课题的研究内容和意义 | 第12-13页 |
| 1.3 论文结构安排 | 第13-15页 |
| 第二章 相关概念与技术 | 第15-23页 |
| 2.1 推荐系统 | 第15页 |
| 2.2 相似度度量 | 第15-18页 |
| 2.2.1 皮尔森相似度(Pearson Correlation) | 第16页 |
| 2.2.2 欧式距离相似度(Euclidean Di stance Similarity) | 第16-17页 |
| 2.2.3 余弦相似度(Cosine Similarity) | 第17页 |
| 2.2.4 调整余弦相似度(Adjusted Cosine Similarity) | 第17-18页 |
| 2.3 常用推荐算法 | 第18-21页 |
| 2.3.1 基于矩阵因子分解的推荐算法 | 第18-19页 |
| 2.3.2 基于用户的协同过滤推荐算法 | 第19-20页 |
| 2.3.3 基于物品的协同过滤推荐算法 | 第20页 |
| 2.3.4 其他方法简介 | 第20-21页 |
| 2.4 可能面临的问题 | 第21-22页 |
| 2.4.1 稀疏性问题 | 第21页 |
| 2.4.2 冷启动问题 | 第21-22页 |
| 2.4.3 可扩展性问题 | 第22页 |
| 2.5 小结 | 第22-23页 |
| 第三章 推荐算法的并行化研究与实现 | 第23-47页 |
| 3.1 评分矩阵 | 第23-25页 |
| 3.2 基于矩阵因子分解的推荐算法并行化研究与实现 | 第25-36页 |
| 3.2.1 矩阵分解问题 | 第25-26页 |
| 3.2.2 随机梯度下降算法 | 第26-27页 |
| 3.2.3 并行化研究与实现 | 第27-36页 |
| 3.3 基于用户的协同推荐算法并行化研究与实现 | 第36-40页 |
| 3.3.1 用户相似度 | 第36-38页 |
| 3.3.2 推荐物品 | 第38-40页 |
| 3.4 基于物品的协同推荐算法并行化研究与实现 | 第40-43页 |
| 3.4.1 物品相似度 | 第40-41页 |
| 3.4.2 推荐物品 | 第41-43页 |
| 3.5 实验分析 | 第43-46页 |
| 3.5.1 实验环境与数据集 | 第43-44页 |
| 3.5.2 FDSGD实验分析 | 第44-45页 |
| 3.5.3 User CF与Item CF实验分析 | 第45-46页 |
| 3.6 小结 | 第46-47页 |
| 第四章 推荐算法评估 | 第47-52页 |
| 4.1 评估方案概述 | 第47-50页 |
| 4.1.1 评分预测准确度 | 第48-49页 |
| 4.1.2 分类准确度 | 第49-50页 |
| 4.2 评估方法实现 | 第50-51页 |
| 4.3 评估实验 | 第51页 |
| 4.4 小结 | 第51-52页 |
| 第五章 图书推荐系统设计与实现 | 第52-66页 |
| 5.1 需求分析 | 第52-56页 |
| 5.1.1 需求概述 | 第52-56页 |
| 5.1.2 运行环境概述 | 第56页 |
| 5.2 总体设计 | 第56-58页 |
| 5.2.1 系统架构 | 第56-57页 |
| 5.2.2 数据库设计 | 第57-58页 |
| 5.3 详细设计与实现 | 第58-65页 |
| 5.3.1 用户管理模块 | 第58-60页 |
| 5.3.2 非个性化推荐模块 | 第60-63页 |
| 5.3.3 推荐模块 | 第63-65页 |
| 5.4 小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
