首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于Spark的混合推荐系统

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第15-21页
    1.1 研究背景与意义第15-17页
    1.2 国内外研究现状第17-18页
        1.2.1 分布式数据处理平台研究现状第17-18页
        1.2.2 混合推荐系统研究现状第18页
    1.3 混合推荐系统面临的挑战第18-19页
    1.4 本文研究目标与内容第19-20页
    1.5 本文结构第20-21页
第2章 混合推荐系统相关技术研究第21-37页
    2.1 推荐系统第21-29页
        2.1.1 推荐系统概念第21-23页
        2.1.2 推荐系统应用第23-24页
        2.1.3 推荐算法第24-27页
        2.1.4 评价指标第27-29页
    2.2 分布式计算框架Spark第29-33页
        2.2.1 Spark简介第29-30页
        2.2.2 Spark设计思想第30-31页
        2.2.3 Spark架构第31-32页
        2.2.4 Spark运行机制第32-33页
    2.3 其它相关技术研究第33-35页
        2.3.1 分布式文件系统第33-34页
        2.3.2 Spark SQL第34-35页
    2.4 本章小结第35-37页
第3章 细粒度权重混合子系统第37-57页
    3.1 背景介绍第37-40页
    3.2 细粒度权重计算方法第40-42页
        3.2.1 目标函数第40-41页
        3.2.2 类分配向量第41页
        3.2.3 权重计算模型第41-42页
        3.2.4 混合预测评分第42页
    3.3 权重混合子系统整体框架第42-43页
    3.4 权重混合子系统模块设计第43-51页
        3.4.1 输入模块设计第43-46页
        3.4.2 推荐算法模块设计第46-47页
        3.4.3 权重计算模块设计第47-49页
        3.4.4 模型融合模块第49-50页
        3.4.5 推荐模块第50-51页
    3.5 基于Spark的推荐算法第51-56页
        3.5.1 基于Spark的推荐算法库第51页
        3.5.2 协同过滤算法第51-55页
        3.5.3 隐语义模型推荐算法第55-56页
    3.6 推荐系统访问流程第56页
    3.7 本章小结第56-57页
第4章 基于Spark的交叉调和推荐系统第57-65页
    4.1 背景介绍第57-58页
    4.2 交叉调和推荐系统框架第58-59页
    4.3 交叉调和推荐系统模块设计第59-61页
        4.3.1 数据存储模块设计第59-60页
        4.3.2 细粒度权重混合子系统第60页
        4.3.3 推荐算法模块设计第60页
        4.3.4 推荐模块设计第60-61页
    4.4 分布式推荐算法第61-64页
        4.4.1 基于内容推荐算法的Spark实现第61-62页
        4.4.2 基于用户内容推荐算法的Spark实现第62-63页
        4.4.3 基于物品内容推荐算法的Spark实现第63-64页
    4.5 系统访问流程第64页
    4.6 本章小结第64-65页
第5章 实验评测第65-77页
    5.1 实验环境第65-66页
    5.2 评价指标第66页
    5.3 细粒度权重混合子系统性能评估第66-72页
        5.3.1 推荐系统精度测试第66-70页
        5.3.2 推荐系统效率测试第70-72页
    5.4 基于Spark的交叉调和推荐系统效率评估第72-76页
        5.4.1 基于内容推荐算法效率测试第72-73页
        5.4.2 交叉调和系统效率测试第73-74页
        5.4.3 交叉调和系统可扩展性测试第74-76页
        5.4.4 Spark SQL性能测试第76页
    5.5 本章小结第76-77页
第6章 总结与展望第77-79页
    6.1 工作总结第77-78页
    6.2 工作展望第78-79页
参考文献第79-81页
致谢第81-83页
在读期间发表的学术论文与取得的研究成果第83页

论文共83页,点击 下载论文
上一篇:基于操作码的Python程序防逆转算法研究与实现
下一篇:基于位置社交网络的用户行为建模与研究