| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-14页 |
| 1.1 项目背景与意义 | 第10-11页 |
| 1.2 国内外研究与发展现状 | 第11-12页 |
| 1.3 项目介绍以及难点 | 第12-13页 |
| 1.4 本文主要工作 | 第13页 |
| 1.5 论文结构 | 第13-14页 |
| 2 相关理论与关键技术 | 第14-26页 |
| 2.1 个性化推荐系统概述 | 第14-18页 |
| 2.1.1 个性化推荐系统框架 | 第14-16页 |
| 2.1.2 个性化推荐系统评价指标 | 第16-18页 |
| 2.2 主题模型技术 | 第18-22页 |
| 2.2.1 主题模型概述 | 第18-20页 |
| 2.2.2 隐狄利克雷分配(Latent Dirichlet Allocation) | 第20-22页 |
| 2.3 协同过滤技术(Collaborative Filtering) | 第22-24页 |
| 2.4 逻辑回归算法(Logistic Regression) | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 项目需求分析 | 第26-32页 |
| 3.1 系统概述 | 第26-27页 |
| 3.2 功能需求分析 | 第27-30页 |
| 3.3 非功能性需求分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 项目设计 | 第32-58页 |
| 4.1 系统总体设计 | 第32-33页 |
| 4.2 离线计算模块设计 | 第33-49页 |
| 4.2.1 主题模型离线计算模块设计 | 第33-39页 |
| 4.2.2 协同过滤离线计算模块设计 | 第39-45页 |
| 4.2.3 逻辑回归离线计算模块设计 | 第45-49页 |
| 4.3 在线推荐模块设计 | 第49-56页 |
| 4.3.1 主题模型在线推荐模块设计 | 第50-52页 |
| 4.3.2 协同过滤在线推荐模块设计 | 第52-54页 |
| 4.3.3 推荐结果再处理模块设计 | 第54-56页 |
| 4.4 本章小结 | 第56-58页 |
| 5 系统实现 | 第58-76页 |
| 5.1 开发运行环境 | 第58页 |
| 5.2 推荐系统前端展示 | 第58-59页 |
| 5.3 离线计算模块实现 | 第59-69页 |
| 5.3.1 主题模型离线计算模块实现 | 第59-65页 |
| 5.3.2 协同过滤离线计算模块实现 | 第65-67页 |
| 5.3.3 逻辑回归离线计算模块实现 | 第67-69页 |
| 5.4 在线推荐模块实现 | 第69-75页 |
| 5.4.1 主题模型在线推荐模块实现 | 第69-73页 |
| 5.4.2 协同过滤在线推荐模块实现 | 第73页 |
| 5.4.3 推荐结果再处理模块实现 | 第73-75页 |
| 5.5 本章小结 | 第75-76页 |
| 6 系统评测 | 第76-84页 |
| 6.1 算法测试方案及结果分析 | 第76-80页 |
| 6.1.1 主题模型推荐算法评测 | 第76-78页 |
| 6.1.2 协同过滤推荐算法评测 | 第78-79页 |
| 6.1.3 逻辑回归算法评测 | 第79-80页 |
| 6.2 整体性能评估及结果分析 | 第80-82页 |
| 6.3 本章小结 | 第82-84页 |
| 7 总结与展望 | 第84-86页 |
| 7.1 总结 | 第84页 |
| 7.2 展望 | 第84-86页 |
| 参考文献 | 第86-88页 |
| 作者简历及攻读硕士专业学位期间取得的研究成果 | 第88-92页 |
| 学位论文数据集 | 第92页 |
