| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 实时推荐系统研究现状 | 第12-13页 |
| 1.2.2 实时分布式流计算技术研究现状 | 第13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 相关技术分析 | 第16-30页 |
| 2.1 推荐系统 | 第16-20页 |
| 2.1.1 推荐系统的概念 | 第16-17页 |
| 2.1.2 常用推荐算法 | 第17-20页 |
| 2.2 分布式实时流处理框架STORM | 第20-24页 |
| 2.2.1 Storm基本组件 | 第20-21页 |
| 2.2.2 Storm运行机制 | 第21-22页 |
| 2.2.3 Storm计算模型 | 第22-24页 |
| 2.3 分布式批处理框架HADOOP | 第24-27页 |
| 2.3.1 Hadoop基本组件 | 第24-25页 |
| 2.3.2 Hadoop运行机制 | 第25-26页 |
| 2.3.3 Hadoop计算模型 | 第26-27页 |
| 2.4 其他相关技术 | 第27-28页 |
| 2.4.1 分布式消息处理系统Kafka | 第27-28页 |
| 2.4.2 WebSocket协议 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 基于STORM、HADOOP的实时物品推荐的设计与实现 | 第30-48页 |
| 3.1 背景需求 | 第30页 |
| 3.2 系统总体架构设计 | 第30-32页 |
| 3.3 系统设计技术关键点分析 | 第32-33页 |
| 3.3.1 用户行为的评分模拟的实现 | 第32页 |
| 3.3.2 基于Hadoop的协同过滤的实现 | 第32-33页 |
| 3.3.3 基于Storm的实时推荐算法的实现 | 第33页 |
| 3.4 关键模块的设计与实现 | 第33-46页 |
| 3.4.1 用户行为评分模拟的设计与实现 | 第33-37页 |
| 3.4.2 基于Hadoop的批处理模块的设计 | 第37-42页 |
| 3.4.3 基于Storm的实时处理模块的设计 | 第42-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于STORM的趋势推荐的设计与实现 | 第48-60页 |
| 4.1 背景需求 | 第48-49页 |
| 4.2 系统总体架构设计 | 第49-51页 |
| 4.2.1 消息处理逻辑架构 | 第49-50页 |
| 4.2.2 Storm处理逻辑架构 | 第50-51页 |
| 4.3 系统设计技术关键点分析 | 第51-53页 |
| 4.3.1 趋势的定义 | 第51页 |
| 4.3.2 滑动窗口 | 第51-53页 |
| 4.4 关键模块的设计与实现 | 第53-59页 |
| 4.4.1 趋势推荐Storm拓扑实现 | 第53页 |
| 4.4.2 实时数据订阅及话题的获取模块的实现 | 第53-55页 |
| 4.4.3 基于滑动窗口的实时统计模块的实现 | 第55-58页 |
| 4.4.4 排序模块的实现 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 系统实现与分析 | 第60-67页 |
| 5.1 开发环境和开发工具 | 第60-61页 |
| 5.1.1 系统开发环境 | 第60页 |
| 5.1.2 系统开发工具 | 第60页 |
| 5.1.3 系统中使用的其他开源软件 | 第60-61页 |
| 5.2 系统的实现与分析 | 第61-66页 |
| 5.2.1 基于Hadoop、Storm的实时物品推荐系统 | 第61-64页 |
| 5.2.2 基于Storm的趋势推荐系统 | 第64-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 未来展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73页 |