个性化推荐系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 课题研究的背景与意义 | 第11-12页 |
| 1.2 本文研究内容 | 第12-13页 |
| 1.3 论文章节安排 | 第13-14页 |
| 第二章 相关理论与技术基础 | 第14-30页 |
| 2.1 语料库 | 第14-15页 |
| 2.2 推荐系统 | 第15-18页 |
| 2.3 Hadoop框架简介 | 第18-22页 |
| 2.3.1 Hadoop简介 | 第18-19页 |
| 2.3.2 Hadoop文件系统HDFS | 第19-21页 |
| 2.3.3 Yarn | 第21-22页 |
| 2.4 Spark框架简介 | 第22-26页 |
| 2.4.1 Spark简介 | 第22-24页 |
| 2.4.2 Spark VS Hadoop | 第24-26页 |
| 2.5 评价标准 | 第26-28页 |
| 2.5.1 查全率（recall） | 第26-27页 |
| 2.5.2 查准率（precision） | 第27-28页 |
| 2.5.3 F1 | 第28页 |
| 2.6 准备工作 | 第28-29页 |
| 2.6.1 原始语料库处理 | 第28页 |
| 2.6.2 开发环境搭建 | 第28-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第三章 个性化推荐系统分析 | 第30-49页 |
| 3.1 推荐系统实现流程 | 第30-31页 |
| 3.2 查询相似度分析 | 第31-37页 |
| 3.2.1 文本相似度计算 | 第31-35页 |
| 3.2.2 LDA模型 | 第35-37页 |
| 3.3 用户查询日志分析 | 第37-41页 |
| 3.3.1 日志特性分析 | 第37-38页 |
| 3.3.2 数据预处理 | 第38页 |
| 3.3.3 查询日志边界划分 | 第38-40页 |
| 3.3.4 查询日志数理化 | 第40-41页 |
| 3.4 在线推荐模型 | 第41-47页 |
| 3.4.1 数据预处理 | 第42页 |
| 3.4.2 推荐信息分类 | 第42-43页 |
| 3.4.3 推荐算法描述 | 第43-46页 |
| 3.4.4 推荐结果合并 | 第46-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 系统实现与评测 | 第49-72页 |
| 4.1 系统架构图 | 第49-51页 |
| 4.2 语料库预处理 | 第51-55页 |
| 4.2.1 概要 | 第51-52页 |
| 4.2.2 关键代码 | 第52-55页 |
| 4.3 模型构建 | 第55-69页 |
| 4.3.1 LDA模型构建 | 第55-60页 |
| 4.3.2 Rank构建 | 第60-64页 |
| 4.3.3 基于ALS推荐模型 | 第64-69页 |
| 4.4 实验与评测 | 第69-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-76页 |
| 5.1 工作总结 | 第72页 |
| 5.2 展望 | 第72-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文 | 第80页 |
