| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景 | 第11-18页 |
| 1.1.1 基于云计算的大数据应用发展状况 | 第11-12页 |
| 1.1.2 个性化推荐系统 | 第12-13页 |
| 1.1.3 传统协同过滤算法 | 第13-16页 |
| 1.1.4 SparkMLlib框架 | 第16-18页 |
| 1.2 研究现状 | 第18-22页 |
| 1.2.1 冷启动问题 | 第18页 |
| 1.2.2 基于矩阵分解的协同过滤算法 | 第18-20页 |
| 1.2.3 实时推荐问题 | 第20-21页 |
| 1.2.4 混合推荐系统 | 第21-22页 |
| 1.3 主要问题 | 第22-23页 |
| 1.4 研究内容 | 第23页 |
| 1.5 组织结构 | 第23-25页 |
| 第二章 相关介绍 | 第25-31页 |
| 2.1 推荐问题建模方法 | 第25-27页 |
| 2.1.1 问题建模 | 第25-26页 |
| 2.1.2 评估指标 | 第26-27页 |
| 2.2 基于排序的协同过滤算法CofiRank | 第27-28页 |
| 2.3 基于评分的协同过滤算法ALS | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于排序的分布式协同过滤算法(DistCofiRank) | 第31-43页 |
| 3.1 本章引论 | 第31页 |
| 3.2 DistCofiRank算法的设计方案 | 第31-34页 |
| 3.3 DistCofiRank算法的优化求解策略 | 第34-42页 |
| 3.3.1 BMRM算法的设计与实现 | 第34-37页 |
| 3.3.2 匈牙利分配算法的设计与实现 | 第37-39页 |
| 3.3.3 投影梯度法的设计与实现 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于Spark的DistCofiRank算法的设计与实现 | 第43-59页 |
| 4.1 本章引论 | 第43页 |
| 4.2 实现方案 | 第43-50页 |
| 4.2.1 框架设计 | 第43-46页 |
| 4.2.2 分区策略 | 第46-50页 |
| 4.3 基于混合策略的电影推荐系统设计与实现 | 第50-52页 |
| 4.3.1 基于DistCofiRank和ALS的混合推荐 | 第50-51页 |
| 4.3.2 电影推荐系统的分析与设计 | 第51-52页 |
| 4.4 实验与分析 | 第52-55页 |
| 4.4.1 数据集介绍 | 第52-53页 |
| 4.4.2 实验设置 | 第53-54页 |
| 4.4.3 实验结果与分析 | 第54-55页 |
| 4.5 电影推荐系统展示 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-63页 |
| 5.1 本文工作及主要创新点 | 第59-60页 |
| 5.2 未来工作展望 | 第60-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 作者在学期间取得的学术成果 | 第71-73页 |
| 作者在学期间参与的主要科研工作 | 第73页 |
