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 |