基于特征增益与多级优化的个性化套餐推荐算法
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 课题来源 | 第9页 |
| 1.3 研究现状 | 第9-11页 |
| 1.3.1 发展概况 | 第9-10页 |
| 1.3.2 主要技术难点 | 第10-11页 |
| 1.3.3 个性化推荐在电信行业的应用 | 第11页 |
| 1.4 选题意义 | 第11-12页 |
| 1.5 论文主要工作 | 第12页 |
| 1.6 论文组织结构 | 第12-14页 |
| 第2章 相关理论与技术 | 第14-20页 |
| 2.1 常用的相关推荐算法 | 第14-17页 |
| 2.1.1 基于内容的推荐 | 第14-15页 |
| 2.1.2 基于关联规则的推荐 | 第15页 |
| 2.1.3 基于协同过滤的推荐 | 第15-16页 |
| 2.1.4 混合推荐 | 第16-17页 |
| 2.2 各推荐算法的比较 | 第17页 |
| 2.3 云计算平台用于数据挖掘 | 第17-19页 |
| 2.3.1 传统数据挖掘流程及面临问题 | 第17-18页 |
| 2.3.2 利用云计算平台的海量数据挖掘 | 第18页 |
| 2.3.3 Hadoop分布式平台 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于特征增益与多级优化的个性化推荐算法 | 第20-31页 |
| 3.1 概述 | 第20-21页 |
| 3.2 FACCF推荐算法 | 第21-24页 |
| 3.2.1 数据定义 | 第21页 |
| 3.2.2 定义与构建CTAP模型 | 第21-23页 |
| 3.2.3 特征增益 | 第23-24页 |
| 3.3 推荐算法流程 | 第24-26页 |
| 3.4 实证分析 | 第26-30页 |
| 3.4.1 实验环境 | 第26页 |
| 3.4.2 实验设置 | 第26-27页 |
| 3.4.3 评价标准 | 第27-28页 |
| 3.4.4 实验结果分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 FACCF算法的并行化 | 第31-46页 |
| 4.1 分布式环境搭建 | 第31-37页 |
| 4.1.1 Hadoop环境搭建 | 第31-33页 |
| 4.1.2 Ambari组件 | 第33-37页 |
| 4.2 数据划分 | 第37-39页 |
| 4.3 算法计算流程 | 第39-41页 |
| 4.4 实验及结果分析 | 第41-45页 |
| 4.4.1 实验环境 | 第41-42页 |
| 4.4.2 实验设置 | 第42页 |
| 4.4.3 实验结果分析 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 应用与实现 | 第46-53页 |
| 5.1 应用场景 | 第46-48页 |
| 5.1.1 大数据平台ODS | 第46页 |
| 5.1.2 宽带自助推送系统 | 第46-47页 |
| 5.1.3 短信增值应用系统 | 第47-48页 |
| 5.2 系统架构 | 第48-50页 |
| 5.3 数据库设计 | 第50-51页 |
| 5.4 系统实现 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
