基于学涯发展平台的Spark智能推荐系统设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 引言 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-14页 |
| 1.2 研究内容及方法 | 第14-19页 |
| 1.2.1 国内外研究现状 | 第14-16页 |
| 1.2.2 本文主要研究内容 | 第16-17页 |
| 1.2.3 研究思路与框架 | 第17页 |
| 1.2.4 本文创新点 | 第17-19页 |
| 第2章 系统关键技术研究 | 第19-33页 |
| 2.1 推荐算法研究 | 第19-27页 |
| 2.1.1 传统的推荐算法 | 第19-24页 |
| 2.1.2 基于深度学习的推荐算法 | 第24-26页 |
| 2.1.3 推荐算法评估指标 | 第26-27页 |
| 2.2 Spark大数据处理框架 | 第27-31页 |
| 2.2.1 Spark基础知识 | 第28-29页 |
| 2.2.2 Spark运行原理及RDD | 第29-30页 |
| 2.2.3 mllib机器学习包 | 第30-31页 |
| 2.3 关键系统技术总结 | 第31-33页 |
| 第3章 学涯平台架构设计 | 第33-47页 |
| 3.1 项目背景和需求 | 第33-37页 |
| 3.1.1 项目背景 | 第33-35页 |
| 3.1.2 项目需求 | 第35-37页 |
| 3.2 系统角色交互 | 第37-41页 |
| 3.3 架构设计方案 | 第41-45页 |
| 3.3.1 平台架构设计 | 第42-43页 |
| 3.3.2 功能模块介绍 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 学涯平台推荐服务框架及算法 | 第47-61页 |
| 4.1 推荐服务框架 | 第47-49页 |
| 4.2 服务内容分析 | 第49-51页 |
| 4.2.1 课程信息分析 | 第49-50页 |
| 4.2.2 文章信息分析 | 第50-51页 |
| 4.3 核心推荐算法 | 第51-55页 |
| 4.3.1 构建用户-项目的隐式特征向量 | 第52-53页 |
| 4.3.2 学习用户-项目交互网络 | 第53-54页 |
| 4.3.3 算法的验证 | 第54-55页 |
| 4.4 推荐引擎的实现 | 第55-59页 |
| 4.4.1 基于内容的推荐算法 | 第56-58页 |
| 4.4.2 协同过滤推荐引擎 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 学涯平台的系统设计与实现 | 第61-81页 |
| 5.1 系统设计 | 第61-64页 |
| 5.1.1 系统架构设计 | 第61-62页 |
| 5.1.2 功能模块设计 | 第62-63页 |
| 5.1.3 数据库设计 | 第63-64页 |
| 5.2 系统关键功能的实现与展示 | 第64-74页 |
| 5.2.1 预约课程 | 第64-70页 |
| 5.2.2 线上交流 | 第70-71页 |
| 5.2.3 基于Spark的推荐服务实现 | 第71-74页 |
| 5.3 系统开发环境 | 第74-76页 |
| 5.4 系统测试 | 第76-79页 |
| 5.4.1 功能测试 | 第76-78页 |
| 5.4.2 性能测试 | 第78-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第6章 结论与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第89页 |
