基于TF-IDF改进算法和喜好度的视频用户分类
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.2.1 国内研究现状 | 第10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 结构和安排 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关技术与理论 | 第13-27页 |
| 2.1 Spark分布式计算框架 | 第13-21页 |
| 2.1.1 分布式计算 | 第13页 |
| 2.1.2 Spark组成模块 | 第13-15页 |
| 2.1.3 Spark优点 | 第15页 |
| 2.1.4 Spark核心RDD | 第15-19页 |
| 2.1.5 MLlib | 第19-20页 |
| 2.1.6 Scala简介 | 第20-21页 |
| 2.2 HDFS架构分析 | 第21-23页 |
| 2.3 其他相关技术 | 第23-24页 |
| 2.4 分类算法概述 | 第24-25页 |
| 2.5 视频喜好度分析 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第三章 用户年龄分类算法 | 第27-33页 |
| 3.1 未加权算法 | 第27-29页 |
| 3.1.1 贝叶斯定理 | 第27页 |
| 3.1.2 朴素贝叶斯算法定义 | 第27-28页 |
| 3.1.3 朴素贝叶斯算法小结 | 第28-29页 |
| 3.2 加权算法 | 第29-31页 |
| 3.2.1 TF-IDF加权算法 | 第29-30页 |
| 3.2.2 改进的TFC-IDFC加权算法 | 第30-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 用户年龄分类模型设计 | 第33-45页 |
| 4.1 模型设计步骤概述 | 第33页 |
| 4.2 实验环境 | 第33-39页 |
| 4.2.1 JDK的安装 | 第33-34页 |
| 4.2.2 Scala的安装 | 第34页 |
| 4.2.3 Spark的安装 | 第34-35页 |
| 4.2.4 Hadoop与Spark整合 | 第35-39页 |
| 4.3 年龄离散化 | 第39-40页 |
| 4.4 用户喜好度计算方法 | 第40-41页 |
| 4.4.1 节目喜好度公式 | 第40-41页 |
| 4.4.2 视频喜好度公式 | 第41页 |
| 4.5 实验数据 | 第41-43页 |
| 4.5.1 数据获取 | 第42页 |
| 4.5.2 数据处理 | 第42-43页 |
| 4.6 评价指标 | 第43-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 用户年龄分类的实现 | 第45-55页 |
| 5.1 基于朴素贝叶斯的年龄分类 | 第45-47页 |
| 5.1.1 分类过程 | 第45-46页 |
| 5.1.2 算法实现过程 | 第46-47页 |
| 5.1.3 分类结果 | 第47页 |
| 5.2 基于TF-IDF算法的年龄分类 | 第47-50页 |
| 5.2.1 分类过程 | 第47-48页 |
| 5.2.2 算法实现过程 | 第48-49页 |
| 5.2.3 分类结果 | 第49-50页 |
| 5.3 基于TFC-IDFC算法的年龄分类 | 第50-52页 |
| 5.3.1 分类过程 | 第50页 |
| 5.3.2 算法实现过程 | 第50-52页 |
| 5.3.3 分类结果 | 第52页 |
| 5.4 结果对比与分析 | 第52-54页 |
| 5.4.1 结果对比 | 第52-54页 |
| 5.4.2 结果分析 | 第54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 发表论文和参加科研情况 | 第63-65页 |
| 致谢 | 第65页 |
