基于云计算的协同过滤算法并行化研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 图的目录 | 第9-10页 |
| 表的目录 | 第10-11页 |
| 1 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-18页 |
| ·协同过滤的研究现状 | 第12-14页 |
| ·并行计算的研究现状 | 第14-18页 |
| ·本文的主要研究内容 | 第18页 |
| ·论文组织结构 | 第18-20页 |
| 2 相关技术研究 | 第20-31页 |
| ·协同过滤算法 | 第20-24页 |
| ·推荐算法概述 | 第20-22页 |
| ·协同过滤算法种类 | 第22-24页 |
| ·云计算Hadoop平台 | 第24-30页 |
| ·云计算Hadoop平台 | 第24-26页 |
| ·HDFS文件系统 | 第26-28页 |
| ·MapReduce计算框架 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 基于Hadoop平台的受限玻尔兹曼机推荐算法 | 第31-39页 |
| ·受限玻尔兹曼机概述 | 第31页 |
| ·受限玻尔兹曼机推荐原理 | 第31-33页 |
| ·受限玻尔兹曼机的并行化实现 | 第33-38页 |
| ·数据规范 | 第33-34页 |
| ·算法设计 | 第34-35页 |
| ·算法实现 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于Hadoop平台的邻居模型推荐算法 | 第39-45页 |
| ·邻居模型概述 | 第39-40页 |
| ·邻居模型推荐原理 | 第40-41页 |
| ·邻居模型的并行化实现 | 第41-44页 |
| ·数据规范 | 第41-42页 |
| ·算法设计 | 第42-43页 |
| ·算法实现 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 5 实验结果及分析 | 第45-50页 |
| ·实验数据 | 第45页 |
| ·实验配置 | 第45-46页 |
| ·实验分析 | 第46-49页 |
| ·基于受限玻尔兹曼机推荐算法的实验 | 第46-48页 |
| ·基于邻居模型的推荐算法的实验 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·研究展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 个人简历 | 第56页 |
| 在读期间发表的论文及参与的项目 | 第56页 |
| 发表论文 | 第56页 |
| 参与项目 | 第56页 |
