基于二手房数据推荐系统的研究与实现
摘要 | 第6-7页 |
abstract | 第7页 |
第1章 绪论 | 第11-15页 |
1.1 研究背景和意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-13页 |
1.3 主要内容和结构安排 | 第13-15页 |
1.3.1 论文主要内容 | 第13页 |
1.3.2 论文结构安排 | 第13-15页 |
第2章 相关技术 | 第15-27页 |
2.1 推荐系统 | 第15-16页 |
2.1.1 推荐系统概述 | 第15-16页 |
2.1.2 推荐系统应用 | 第16页 |
2.2 用户模型与推荐对象模型 | 第16-18页 |
2.2.1 用户模型建模 | 第16-17页 |
2.2.2 推荐对象模型建模 | 第17-18页 |
2.3 推荐算法 | 第18-23页 |
2.3.1 基于内容的推荐算法 | 第18-19页 |
2.3.2 基于协同过滤的推荐算法 | 第19-21页 |
2.3.3 基于关联规则的推荐算法 | 第21-22页 |
2.3.4 混合推荐系统 | 第22-23页 |
2.4 推荐系统评价指标 | 第23-24页 |
2.5 NOSQL简介 | 第24-26页 |
2.5.1 MongoDB | 第24-25页 |
2.5.2 NoSQL和SQL的区别 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
第3章 推荐系统设计 | 第27-41页 |
3.1 系统需求分析 | 第27-28页 |
3.1.1 业务需求 | 第27页 |
3.1.2 功能需求 | 第27-28页 |
3.2 系统设计 | 第28-33页 |
3.2.1 系统整体设计 | 第28页 |
3.2.2 用户交互模块 | 第28-29页 |
3.2.3 数据收集模块 | 第29-30页 |
3.2.4 数据预处理模块 | 第30页 |
3.2.5 数据存储模块 | 第30-32页 |
3.2.6 推荐引擎 | 第32-33页 |
3.2.7 推荐结果处理 | 第33页 |
3.3 离线数据处理模块设计 | 第33-36页 |
3.3.1 离线数据处理模块架构设计 | 第34-35页 |
3.3.2 离线模块功能交互图 | 第35-36页 |
3.4 在线处理模块设计 | 第36-37页 |
3.4.1 在线处理模块架构 | 第36-37页 |
3.4.2 在线处理功能交互图 | 第37页 |
3.5 数据库设计 | 第37-40页 |
3.6 本章小结 | 第40-41页 |
第4章 推荐模型研究 | 第41-55页 |
4.1 传统协同过滤算法 | 第41-43页 |
4.2 基于协同聚类及协同K近邻推荐框架 | 第43-44页 |
4.3 基于信息理论的推荐模型 | 第44-47页 |
4.3.1 协同聚类 | 第46-47页 |
4.4 基于协同K近邻推荐模型 | 第47-48页 |
4.5 基于最大信息系数的混合属性相似性衡量 | 第48-49页 |
4.6 实验步骤 | 第49-54页 |
4.6.1 数据集介绍 | 第49页 |
4.6.2 实验结果及分析 | 第49-54页 |
4.7 本章小结 | 第54-55页 |
第5章 推荐系统实现 | 第55-69页 |
5.1 推荐系统的环境搭建 | 第55页 |
5.2 用户交互模块的实现 | 第55-57页 |
5.3 数据收集模块的实现 | 第57-59页 |
5.3.1 房源数据收集 | 第57-58页 |
5.3.2 用户数据收集 | 第58-59页 |
5.4 离线数据处理模块的实现 | 第59-65页 |
5.4.1 数据预处理 | 第59-62页 |
5.4.2 用户行为序列抽取 | 第62-63页 |
5.4.3 用户特征表示和最大信息系数计算 | 第63-64页 |
5.4.4 离线协同聚类模型构建 | 第64-65页 |
5.5 在线实时推荐模块的实现 | 第65-68页 |
5.5.1 在线实时推荐实现流程 | 第65-67页 |
5.5.2 在线实时推荐的实现 | 第67-68页 |
5.6 本章小结 | 第68-69页 |
第6章 测试 | 第69-75页 |
6.1 测试环境 | 第69页 |
6.2 黑盒测试 | 第69-73页 |
6.2.1 系统功能测试 | 第69-72页 |
6.2.2 系统性能测试 | 第72-73页 |
6.3 白盒测试 | 第73-75页 |
结论与展望 | 第75-76页 |
致谢 | 第76-77页 |
参考文献 | 第77-83页 |
攻读硕士学位期间发表的论文及科研成果 | 第83页 |