基于Spark的推荐系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 论文综述 | 第12-15页 |
| 1.2.1 推荐系统研究进展 | 第12-14页 |
| 1.2.2 推荐系统扩展性 | 第14-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关技术研究与介绍 | 第17-39页 |
| 2.1 大数据平台 | 第17-23页 |
| 2.1.1 Hadoop框架介绍 | 第17页 |
| 2.1.2 分布式处理框架MapReduce | 第17-20页 |
| 2.1.3 分布式文件系统HDFS | 第20-23页 |
| 2.2 推荐系统常用算法 | 第23-35页 |
| 2.2.1 基于用户协同过滤 | 第24-28页 |
| 2.2.2 基于商品协同过滤 | 第28-31页 |
| 2.2.3 基于ALS算法 | 第31-33页 |
| 2.2.4 混合推荐系统算法 | 第33页 |
| 2.2.5 推荐系统评价指标 | 第33-35页 |
| 2.3 并行计算SPARK框架 | 第35-38页 |
| 2.3.1 Spark概述 | 第35-36页 |
| 2.3.2 Spark体系结构 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于SPARK的推荐系统设计 | 第39-47页 |
| 3.1 系统总体结构 | 第39-41页 |
| 3.2 推荐引擎整体架构 | 第41-43页 |
| 3.2.1 业务层与用户交互反馈模块 | 第41-42页 |
| 3.2.2 数据处理与推荐模块 | 第42页 |
| 3.2.3 数据收集与存储模块 | 第42-43页 |
| 3.2.4 监控模块 | 第43页 |
| 3.3 推荐引擎设计 | 第43-46页 |
| 3.3.1 用户特征向量 | 第44-45页 |
| 3.3.2 特征-物品相关推荐 | 第45-46页 |
| 3.3.3 过滤排名推荐 | 第46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 推荐系统实现 | 第47-66页 |
| 4.1 数据预处理 | 第47-48页 |
| 4.2 推荐引擎核心算法 | 第48-56页 |
| 4.2.1 基于用户协同过滤推荐算法 | 第48-51页 |
| 4.2.2 基于商品协同过滤推荐算法 | 第51-54页 |
| 4.2.3 基于ALS推荐算法 | 第54-56页 |
| 4.3 组合推荐引擎实现 | 第56-60页 |
| 4.4 监控平台实现 | 第60-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 实验与评测 | 第66-77页 |
| 5.1 系统部署 | 第66-69页 |
| 5.1.1 开发环境及软件包 | 第66页 |
| 5.1.2 系统搭建 | 第66-69页 |
| 5.2 性能评价 | 第69-74页 |
| 5.2.1 实验设计 | 第69-70页 |
| 5.2.2 实验结果以及评测分析 | 第70-74页 |
| 5.3 用户页面展示 | 第74-76页 |
| 5.3.1 推荐结果展现 | 第74-75页 |
| 5.3.2 系统后端页面 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 本文工作总结 | 第77-78页 |
| 6.2 本文工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| Ⅳ-2答辩委员会对论文的评定意见 | 第85页 |
