| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 推荐系统研究现状 | 第10-11页 |
| 1.2.2 Spark平台研究现状 | 第11-12页 |
| 1.3 论文的研究内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-15页 |
| 2 相关技术分析 | 第15-27页 |
| 2.1 Spark分布式平台 | 第15-18页 |
| 2.1.1 Spark概述及运行机制 | 第15-18页 |
| 2.1.2 Spark MLlib | 第18页 |
| 2.2 推荐系统 | 第18-24页 |
| 2.2.1 基于协同过滤的推荐算法 | 第19-21页 |
| 2.2.2 基于内容的推荐算法 | 第21-22页 |
| 2.2.3 混合推荐 | 第22-23页 |
| 2.2.4 评价指标 | 第23-24页 |
| 2.3 相似度计算 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 基于SPARK的混合模式推荐算法研究 | 第27-49页 |
| 3.1 混合推荐算法的整体设计思路 | 第27-28页 |
| 3.2 基于内容的推荐算法的改进 | 第28-30页 |
| 3.2.1 兴趣相似度计算 | 第28-29页 |
| 3.2.2 基于新用户的内容推荐算法 | 第29-30页 |
| 3.2.3 基于新项目的内容推荐算法 | 第30页 |
| 3.3 基于ALS模型的推荐算法的改进 | 第30-39页 |
| 3.3.1 基于聚类的协同过滤算法 | 第30-35页 |
| 3.3.2 基于ALS模型的协同过滤算法 | 第35-37页 |
| 3.3.3 基于联合聚类的ALS模型推荐算法 | 第37-39页 |
| 3.4 算法复杂度分析 | 第39页 |
| 3.5 实验及结果分析 | 第39-47页 |
| 3.5.1 实验环境 | 第39-40页 |
| 3.5.2 实验数据集 | 第40-41页 |
| 3.5.3 实验设计 | 第41-42页 |
| 3.5.4 实验结果分析 | 第42-47页 |
| 3.6 本章小结 | 第47-49页 |
| 4 基于SPARK的混合模式电影推荐系统的分析与设计 | 第49-59页 |
| 4.1 基于Spark的混合模式电影推荐系统的需求分析 | 第49-51页 |
| 4.1.1 功能需求 | 第49-50页 |
| 4.1.2 用户需求 | 第50-51页 |
| 4.2 基于Spark的混合模式电影推荐系统的架构设计 | 第51-53页 |
| 4.2.1 客户端架构 | 第52-53页 |
| 4.2.2 推荐引擎架构 | 第53页 |
| 4.3 基于Spark的混合模式电影推荐系统的流程设计 | 第53-56页 |
| 4.4 基于Spark的混合模式电影推荐系统的数据库设计 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 基于SPARK的混合模式电影推荐系统的实现与测试 | 第59-67页 |
| 5.1 运行环境 | 第59页 |
| 5.2 系统主要功能实现 | 第59-63页 |
| 5.2.1 首页及用户注册登录 | 第59-61页 |
| 5.2.2 电影推荐 | 第61页 |
| 5.2.3 搜索电影 | 第61-62页 |
| 5.2.4 电影评价 | 第62页 |
| 5.2.5 管理员界面 | 第62-63页 |
| 5.3 系统测试及效果分析 | 第63-66页 |
| 5.3.1 系统功能测试 | 第63-65页 |
| 5.3.2 系统性能测试 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |
| A.作者在攻读硕士学位期间参与的科研项目 | 第75页 |
