首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

面向搜索应用的分布式协同过滤推荐技术研究

摘要第2-3页
Abstract第3-4页
第一章 绪论第7-12页
    1.1 课题研究背景和选题意义第7-8页
    1.2 国内外研究现状第8-10页
        1.2.1 推荐技术的发展第8-9页
        1.2.2 基于大数据环境下的推荐第9-10页
    1.3 主要研究工作第10-11页
    1.4 论文组织结构第11-12页
第二章 搜索应用下推荐技术概述第12-30页
    2.1 推荐引擎概述第12-22页
        2.1.1 推荐引擎定义第12页
        2.1.2 推荐引擎工作原理第12-15页
        2.1.3 推荐引擎的分类第15-16页
        2.1.4 基于记忆的协同过滤算法第16-22页
        2.1.5 基于模型的协同过滤算法第22页
    2.2 分布式计算框架第22-27页
        2.2.1 Hadoop概述第22-23页
        2.2.2 HDFS基础框架第23-24页
        2.2.3 MapReduce计算架构第24-26页
        2.2.4 Mahout框架第26-27页
    2.3 ElasticSearch搜索框架第27-28页
    2.4 本章小结第28-30页
第三章 面向搜索应用推荐引擎的需求分析与设计第30-42页
    3.1 系统目标第30页
    3.2 需求分析第30-32页
        3.2.1 功能性需求分析第30-31页
        3.2.2 非功能需求分析第31-32页
    3.3 概要设计第32-33页
        3.3.1 系统工作流程第32-33页
    3.4 详细设计第33-41页
        3.4.1 Mahout框架的应用第34-35页
        3.4.2 推荐引擎结构设计第35页
        3.4.3 推荐引擎工作流程设计第35-37页
        3.4.4 Mahout中基于物品的分布式推荐方法第37-39页
        3.4.5 搜索推荐的总体设计第39-41页
    3.5 本章小结第41-42页
第四章 面向搜索应用的分布式协同过滤推荐系统第42-66页
    4.1 开发环境准备第42-44页
        4.1.1 数据来源第42-43页
        4.1.2 数据预处理第43-44页
        4.1.3 工作流程描述第44页
    4.2 面向搜索应用的分布式协同过滤系统的实现第44-55页
        4.2.1 协同过滤推荐算法的选型:三种典型算法的研究分析第44-47页
        4.2.2 分布式环境下的基于项目的协同过滤推荐算法研发第47-53页
        4.2.3 基于电商平台的推荐模块封装第53页
        4.2.4 结合ElasticSearch的简化推荐应用第53-55页
    4.3 实验评估第55-64页
        4.3.1 实验环境第55-57页
        4.3.2 算法评估指标第57-58页
        4.3.3 实验评估第58-61页
        4.3.4 实验结果第61-64页
    4.4 本章小结第64-66页
第五章 总结与展望第66-68页
    5.1 研究总结第66页
    5.2 进一步展望第66-68页
参考文献第68-70页
作者攻读硕士期间的研究成果第70-71页
致谢第71-72页

论文共72页,点击 下载论文
上一篇:基于机器视觉的共轨针阀尺寸参数在线测量监控系统的研究与开发
下一篇:基于边缘检测的混合高斯运动目标检测