| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究目的与意义 | 第9页 |
| ·国内外的研究现状 | 第9-11页 |
| ·论文研究内容和组织结构 | 第11-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 主要技术基础 | 第14-27页 |
| ·CUDA 技术基础 | 第14-19页 |
| ·GPU 通用计算 | 第14-15页 |
| ·CUDA 硬件模型 | 第15页 |
| ·CUDA 编程模型 | 第15-17页 |
| ·CUDA 软件体系 | 第17-19页 |
| ·CUDA 存储器模型 | 第19页 |
| ·推荐系统 | 第19-21页 |
| ·推荐算法 | 第21-25页 |
| ·基于内容的推荐算法 | 第21-22页 |
| ·协同过滤算法 | 第22-24页 |
| ·组合推荐 | 第24-25页 |
| ·测试数据集介绍 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于 GPU 的并行协同过滤算法设计 | 第27-39页 |
| ·推荐算法的问题定义 | 第27-28页 |
| ·基于 GPU 的并行协同过滤算法 | 第28-32页 |
| ·算法设计思想 | 第28-30页 |
| ·算法具体步骤 | 第30-32页 |
| ·基于 GPU 的并行协同过滤算法的 CUDA 实现 | 第32-35页 |
| ·算法准确率和性能测试 | 第35-38页 |
| ·实验的软硬件环境 | 第35页 |
| ·评价标准 | 第35-36页 |
| ·准确率测试 | 第36-37页 |
| ·性能测试 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于 GPU 的并行协同过滤算法的应用 | 第39-46页 |
| ·网络招聘推荐功能的需求 | 第39页 |
| ·应用基于 GPU 的并行协同过滤算法的优点 | 第39-40页 |
| ·网络招聘的数据格式 | 第40-41页 |
| ·算法应用的实施步骤 | 第41-44页 |
| ·实验结果 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 网络招聘推荐系统的实现 | 第46-51页 |
| ·开发背景 | 第46页 |
| ·系统目标 | 第46-47页 |
| ·系统的结构描述 | 第47页 |
| ·系统主要功能操作与用户界面 | 第47-50页 |
| ·招聘数据转换 | 第48页 |
| ·推荐数据生成 | 第48-49页 |
| ·推荐结果文件 | 第49-50页 |
| ·系统的部署 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间取得的研究成果 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附件 | 第57页 |