基于Storm的实时推荐系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 项目的背景和意义 | 第16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 论文研究的主要内容 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 第二章 相关技术概述 | 第20-34页 |
| 2.1 Flume | 第20-22页 |
| 2.1.1 Flume的特性 | 第20-21页 |
| 2.1.2 Flume的逻辑架构 | 第21-22页 |
| 2.2 Kafka | 第22-25页 |
| 2.2.1 Kafka的特性 | 第22-23页 |
| 2.2.2 Kafka的架构 | 第23-24页 |
| 2.2.3 Kafka的消费者模型 | 第24-25页 |
| 2.3 Storm | 第25-27页 |
| 2.3.1 Storm的特性 | 第25页 |
| 2.3.2 Storm的基础框架 | 第25-26页 |
| 2.3.3 Storm的工作过程 | 第26-27页 |
| 2.4 Hadoop | 第27-31页 |
| 2.4.1 Hadoop的特性 | 第27-28页 |
| 2.4.2 Hadoop架构 | 第28-29页 |
| 2.4.3 Hadoop的读写流程 | 第29-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第三章 推荐系统算法研究和优化 | 第34-44页 |
| 3.1 Memory-CF模型 | 第34-37页 |
| 3.1.1 User-CF模型 | 第34-35页 |
| 3.1.2 Item-CF模型 | 第35-37页 |
| 3.2 Model-CF模型 | 第37-40页 |
| 3.2.1 Logistic模型 | 第37-38页 |
| 3.2.2 LFM(SVD)模型 | 第38-40页 |
| 3.2.3 FM模型 | 第40页 |
| 3.3 系统推荐算法的优化 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 系统的需求分析 | 第44-54页 |
| 4.1 系统功能性需求 | 第44-51页 |
| 4.1.1 日志收集系统 | 第45-47页 |
| 4.1.2 推荐系统 | 第47-51页 |
| 4.1.3 UI系统 | 第51页 |
| 4.2 本系统的重点需求 | 第51-53页 |
| 4.2.1 实时性问题 | 第51-52页 |
| 4.2.2 冷启动问题 | 第52页 |
| 4.2.3 时效性和多样性问题 | 第52-53页 |
| 4.3 本章总结 | 第53-54页 |
| 第五章 系统的设计与实现 | 第54-78页 |
| 5.1 整体框架 | 第54-57页 |
| 5.2 日志采集模块 | 第57-62页 |
| 5.2.1 日志数据类型 | 第57-58页 |
| 5.2.2 日志采集系统框架 | 第58-59页 |
| 5.2.3 日志采集系统连接器 | 第59-62页 |
| 5.3 数据接入模块 | 第62-65页 |
| 5.3.1 数据接入框架 | 第62-63页 |
| 5.3.2 数据接入连接器 | 第63-65页 |
| 5.4 离线计算平台模块 | 第65-69页 |
| 5.4.1 基于物品的协同过滤算法原理 | 第65页 |
| 5.4.2 算法实现过程 | 第65-69页 |
| 5.5 流式计算平台模块 | 第69-72页 |
| 5.5.1 Kafka与Storm的连接器 | 第69-70页 |
| 5.5.2 实时推荐计算 | 第70-72页 |
| 5.6 数据存储和展示模块 | 第72-73页 |
| 5.6.1 数据存储和输出 | 第72-73页 |
| 5.6.2 UI展示 | 第73页 |
| 5.7 实验与测试 | 第73-77页 |
| 5.7.1 评测标准 | 第73-74页 |
| 5.7.2 实验设计 | 第74-77页 |
| 5.8 本章小结 | 第77-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-82页 |
| 致谢 | 第82-84页 |
| 作者简介 | 第84-85页 |
