| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究发展现状 | 第10-14页 |
| 1.3 研究目的及创新点 | 第14页 |
| 1.4 主要内容及章节安排 | 第14-16页 |
| 2 针对大规模稀疏矩阵的SVD算法设计 | 第16-28页 |
| 2.1 奇异值分解算法简介 | 第16-18页 |
| 2.2 Lanczos算法介绍及优化 | 第18-21页 |
| 2.3 基于二分法求解三对角矩阵特征值 | 第21-23页 |
| 2.4 基于反幂法求解三对角矩阵特征向量 | 第23-25页 |
| 2.5 基于Lanczos等算法的SVD算法设计 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 SVD算法在spark平台上的实现 | 第28-36页 |
| 3.1 spark大规模数据计算平台简介 | 第28-31页 |
| 3.2 基于spark平台的svd算法实现 | 第31-34页 |
| 3.3 算法实现结果分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于点击标题文本分析和SVD算法的相似查询应用 | 第36-47页 |
| 4.1 潜在语义分析和相似查询算法 | 第36-38页 |
| 4.2 标题文本预处理 | 第38-40页 |
| 4.3 构造“query - 特征词”权重矩阵 | 第40-42页 |
| 4.4 基于SVD算法降维后的query相似度计算 | 第42-44页 |
| 4.5 应用结果分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47-48页 |
| 5.2 工作展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |