智慧博物馆观众行为数字化服务平台的设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-13页 |
| 1.3 研究的目的以及意义 | 第13页 |
| 1.4 本文研究内容 | 第13-14页 |
| 1.5 本文组织结构 | 第14-15页 |
| 第二章 推荐系统相关介绍 | 第15-23页 |
| 2.1 聚类算法 | 第15-16页 |
| 2.1.1 K-Means聚类 | 第15-16页 |
| 2.1.2 Fuzzy K-Means模糊聚类 | 第16页 |
| 2.2 常用推荐算法 | 第16-20页 |
| 2.2.1 基于内容的推荐算法 | 第17-18页 |
| 2.2.2 协同过滤推荐算法 | 第18-19页 |
| 2.2.3 Slope-one推荐算法 | 第19页 |
| 2.2.4 混合推荐算法 | 第19-20页 |
| 2.2.5 各个推荐算法的优缺点比较 | 第20页 |
| 2.3 相似度的计算方式 | 第20-21页 |
| 2.3.1 余弦相似度计算 | 第20页 |
| 2.3.2 改进的余弦相似度计算 | 第20-21页 |
| 2.3.3 皮尔森相关系数的相似度计算 | 第21页 |
| 2.4 推荐系统的评估指标 | 第21-22页 |
| 2.4.1 MAE绝对误差和RMSE均方差根误差 | 第21页 |
| 2.4.2 Precision精确率 | 第21-22页 |
| 2.4.3 Recall召回率 | 第22页 |
| 2.4.4 F-Measure | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 Hadoop系统相关介绍 | 第23-28页 |
| 3.1 Hadoop简介 | 第23-24页 |
| 3.2 HDFS分布式文件系统 | 第24页 |
| 3.3 MapReduce并行计算框架 | 第24-25页 |
| 3.4 HBase分布式数据库 | 第25-26页 |
| 3.5 ZooKeeper分布式协调服务 | 第26页 |
| 3.6 Mahout数据挖掘工具库 | 第26-27页 |
| 3.7 本章小结 | 第27-28页 |
| 第四章 观众行为数字化服务平台的设计 | 第28-40页 |
| 4.1 需求分析 | 第28-32页 |
| 4.1.1 数据需求 | 第28-30页 |
| 4.1.2 功能需求 | 第30-31页 |
| 4.1.3 性能需求 | 第31-32页 |
| 4.2 平台总体架构设计 | 第32-33页 |
| 4.3 平台各个功能子模块设计 | 第33-39页 |
| 4.3.1 数据预处理模块设计 | 第33-34页 |
| 4.3.2 推荐引擎计算模块设计 | 第34-35页 |
| 4.3.3 推荐结果分析模块设计 | 第35-36页 |
| 4.3.4 用户界面可视化模块设计 | 第36-38页 |
| 4.3.5 系统管理模块设计 | 第38-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第五章 观众行为数字化服务平台的实现 | 第40-54页 |
| 5.1 数据预处理模块实现 | 第40-43页 |
| 5.2 推荐引擎计算模块实现 | 第43-49页 |
| 5.2.1 线下计算 | 第43-47页 |
| 5.2.2 线上计算 | 第47-49页 |
| 5.2.3 推荐结果输出 | 第49页 |
| 5.3 用户界面可视化模块实现 | 第49-51页 |
| 5.4 系统管理模块实现 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 第六章 平台测试与分析 | 第54-58页 |
| 6.1 实验环境 | 第54页 |
| 6.1.1 硬件环境 | 第54页 |
| 6.1.2 软件环境 | 第54页 |
| 6.2 数据集来源 | 第54页 |
| 6.3 实验结果分析 | 第54-57页 |
| 6.4 本章小结 | 第57-58页 |
| 工作总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
| 附件 | 第65页 |
