| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 推荐系统面临的问题 | 第9-10页 |
| 1.4 论文主要研究内容 | 第10-11页 |
| 1.5 论文组织结构 | 第11-13页 |
| 第2章 相关理论知识和技术 | 第13-26页 |
| 2.1 推荐算法概述 | 第13-20页 |
| 2.1.1 基于内容推荐算法 | 第13-16页 |
| 2.1.2 协同过滤算法 | 第16-19页 |
| 2.1.3 混合推荐技术 | 第19-20页 |
| 2.2 Spark | 第20-23页 |
| 2.3 Hbase | 第23-24页 |
| 2.4 Redis | 第24-26页 |
| 第3章 系统概要设计 | 第26-36页 |
| 3.1 系统总体架构设计 | 第26-27页 |
| 3.2 新闻冷启动模块 | 第27-29页 |
| 3.3 新闻内容画像模块 | 第29-30页 |
| 3.4 新闻用户画像模块 | 第30-32页 |
| 3.5 混合推荐技术模块 | 第32-34页 |
| 3.6 热门新闻模块 | 第34页 |
| 3.7 新闻推荐引擎模块 | 第34-36页 |
| 第4章 系统详细设计 | 第36-49页 |
| 4.1 数据库设计 | 第36-39页 |
| 4.1.1 Hbase表设计 | 第36-38页 |
| 4.1.2 Redis表设计 | 第38-39页 |
| 4.2 新闻冷启动详细设计模块 | 第39-40页 |
| 4.3 新闻内容画像模块详细设计 | 第40-41页 |
| 4.4 新闻用户画像模块详细设计 | 第41-43页 |
| 4.4.1 热点标签降权 | 第41-42页 |
| 4.4.2 兴趣变化 | 第42-43页 |
| 4.5 混合推荐技术模块 | 第43-46页 |
| 4.5.1 包含兴趣变化、热点降权的内容推荐 | 第43-45页 |
| 4.5.2 包含兴趣变化的协同过滤推荐 | 第45-46页 |
| 4.5.3 混合推荐加权技术 | 第46页 |
| 4.6 热门新闻模块 | 第46-47页 |
| 4.7 新闻推荐引擎模块 | 第47-49页 |
| 第5章 系统实现 | 第49-66页 |
| 5.1 新闻推荐的冷启动模块 | 第49-54页 |
| 5.2 新闻内容画像 | 第54-57页 |
| 5.3 热门新闻模块 | 第57-59页 |
| 5.4 用户画像模块 | 第59-63页 |
| 5.5 新闻混合推荐技术模块 | 第63-64页 |
| 5.6 推荐引擎模块 | 第64-66页 |
| 第6章 系统效果评估以及测试 | 第66-73页 |
| 6.1 实验数据选取 | 第66页 |
| 6.2 推荐系统评估指标 | 第66页 |
| 6.3 实验方案 | 第66-73页 |
| 6.3.1 新用户微博、试探逻辑冷启动和热门新闻冷启动对比 | 第66-67页 |
| 6.3.2 用户画像加入兴趣变化和没有兴趣变化的对比 | 第67-68页 |
| 6.3.3 协同过滤加入兴趣变化和没有兴趣变化的对比 | 第68-69页 |
| 6.3.4 用户画像加入热点标签降权和没有热点标签降权的对比 | 第69-70页 |
| 6.3.5 混合推荐技术的权值确定 | 第70-72页 |
| 6.3.6 混合推荐技术、协同过滤、基于内容推荐对比 | 第72-73页 |
| 第7章 总结和展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
