| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外相关研究和综述 | 第9-11页 |
| 1.2.1 协同过滤算法的研究现状 | 第9-11页 |
| 1.2.2 基于GPU并行计算研究现状 | 第11页 |
| 1.3 本文的主要研究内容 | 第11-12页 |
| 1.4 本文的组织结构 | 第12-13页 |
| 第2章 协同过滤算法及GPU基础知识 | 第13-27页 |
| 2.1 协同过滤算法基本定义 | 第13-15页 |
| 2.2 基于内存的协同过滤算法 | 第15-19页 |
| 2.2.1 相似度度量方法 | 第15-16页 |
| 2.2.2 基准预测算法 | 第16-17页 |
| 2.2.3 User-User协同过滤算法 | 第17-18页 |
| 2.2.4 Item-Item协同过滤算法 | 第18-19页 |
| 2.3 基于模型的协同过滤算法 | 第19-23页 |
| 2.3.1 基于降维技术的协同过滤算法 | 第19-22页 |
| 2.3.2 概率矩阵分解的协同过滤算法 | 第22-23页 |
| 2.4 GPU基础知识 | 第23-26页 |
| 2.4.1 GPU硬件基础知识 | 第23-24页 |
| 2.4.2 CUDA基础知识 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 并行矩阵分解协同过滤算法模型 | 第27-42页 |
| 3.1 矩阵分解协同过滤算法模型 | 第27-31页 |
| 3.2 矩阵分解协同过滤算法的训练 | 第31-34页 |
| 3.3 矩阵分解协同过滤算法的分析 | 第34-36页 |
| 3.4 并行矩阵分解协同过滤算法的设计 | 第36-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于GPU的并行矩阵分解协同过滤算法实现 | 第42-54页 |
| 4.1 并行矩阵分解协同过滤算法CPU-GPU协作框架的设计 | 第42-43页 |
| 4.2 并行矩阵分解协同过滤算法的数据结构和核函数设计 | 第43-45页 |
| 4.3 实验与结果分析 | 第45-53页 |
| 4.3.1 实验数据介绍 | 第45-46页 |
| 4.3.2 实验开发工具与平台 | 第46页 |
| 4.3.3 实验数据评价标准 | 第46页 |
| 4.3.4 实验方案设计 | 第46-47页 |
| 4.3.5 实验结果分析 | 第47-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |