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的电力市场售电套餐推荐方法研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第11-15页
    1.1 课题研究背景与意义第11-12页
    1.2 国内外研究现状第12-13页
        1.2.1 售电套餐研究现状第12页
        1.2.2 推荐算法研究现状第12-13页
    1.3 课题研究内容第13-14页
    1.4 论文结构安排第14-15页
第2章 相关理论及技术第15-22页
    2.1 典型售电套餐第15-16页
    2.2 Spark大数据技术第16-17页
        2.2.1 Spark基本概念第16-17页
        2.2.2 SparkRDD第17页
    2.3 Kafka技术第17-18页
    2.4 推荐相关技术第18-21页
        2.4.1 协同过滤推荐技术第18-20页
        2.4.2 常用评测指标第20-21页
    2.5 本章小结第21-22页
第3章 售电套餐交易用户最优特征子集发现方法研究第22-31页
    3.1 引言第22页
    3.2 售电套餐推荐相关定义第22-24页
        3.2.1 售电套餐项目覆盖率第22-23页
        3.2.2 加权递增售电套餐项目覆盖率第23-24页
        3.2.3 售电套餐交易用户最优特征子集第24页
    3.3 基于加权递增项目覆盖率的用户最优特征子集发现算法第24-26页
    3.4 实验及结果分析第26-30页
        3.4.1 实验数据集第26-27页
        3.4.2 实验对比方法第27页
        3.4.3 结果分析第27-30页
    3.5 本章小结第30-31页
第4章 面向市场交易的售电套餐推荐方法研究第31-42页
    4.1 引言第31页
    4.2 售电套餐推荐中的主要问题及对策第31-33页
        4.2.1 稀疏性问题第31-32页
        4.2.2 冷启动问题第32页
        4.2.3 准确性问题第32-33页
    4.3 售电套餐推荐算法整体流程分析第33-34页
    4.4 基于属性相关的售电套餐相似性计算方法第34-36页
        4.4.1 层次分析法确定套餐属性权重第34-35页
        4.4.2 计及属性权重的售电套餐相似性计算第35-36页
    4.5 基于用户最优特征子集和双向预测的售电套餐推荐算法第36-38页
        4.5.1 考虑用户兴趣变化的售电套餐评分预测第36-37页
        4.5.2 售电套餐推荐算法实现第37-38页
    4.6 实验及结果分析第38-41页
    4.7 本章小结第41-42页
第5章 基于Spark的售电套餐推荐系统实现第42-59页
    5.1 引言第42页
    5.2 Spark平台搭建第42-44页
    5.3 售电套餐推荐系统总体架构设计第44-46页
    5.4 系统主要功能实现第46-54页
        5.4.1 用户交互实现第46-48页
        5.4.2 数据收集与存储实现第48-50页
        5.4.3 数据预处理实现第50-51页
        5.4.4 售电套餐推荐引擎实现第51-54页
    5.5 实验及结果分析第54-58页
        5.5.1 性能测试第54-56页
        5.5.2 功能测试第56-58页
    5.6 本章小结第58-59页
结论第59-61页
参考文献第61-65页
攻读硕士学位期间发表的论文及其它成果第65-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:随机缺失值填补及其效果研究--基于面板数据因子分析方法
下一篇:基于流形结构的降维方法及在人脸识别中的应用