基于大数据技术的网络信息分析研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第二章 大数据及个性化推荐系统相关理论与技术介绍 | 第16-27页 |
| 2.1 大数据相关技术介绍 | 第16-19页 |
| 2.1.1 Hadoop介绍 | 第16-18页 |
| 2.1.2 Mahout介绍 | 第18-19页 |
| 2.2 推荐系统相关理论和方法 | 第19-21页 |
| 2.2.1 推荐系统定义及功能 | 第19-20页 |
| 2.2.2 推荐引擎工作原理 | 第20-21页 |
| 2.3 推荐系统的分类 | 第21-25页 |
| 2.3.1 基于内容的推荐系统 | 第21-22页 |
| 2.3.2 基于协同过滤的推荐系统 | 第22-24页 |
| 2.3.3 混合推荐系统 | 第24-25页 |
| 2.4 推荐系统的性能评价 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 推荐算法分析及融合 | 第27-39页 |
| 3.1 基于项目邻域的协同过滤推荐分析 | 第27-28页 |
| 3.2 基于矩阵降维模型推荐方法的分析及改进 | 第28-33页 |
| 3.2.1 传统矩阵降维方法的分析 | 第28-30页 |
| 3.2.2 回归与梯度下降法 | 第30-31页 |
| 3.2.3 基于矩阵降维模型的推荐算法 | 第31-33页 |
| 3.3 推荐算法的融合 | 第33-35页 |
| 3.4 实验及分析 | 第35-37页 |
| 3.4.1 数据集 | 第35页 |
| 3.4.2 运行环境及设定 | 第35-36页 |
| 3.4.3 实验性能指标 | 第36页 |
| 3.4.4 实验结果与分析 | 第36-37页 |
| 3.5 用户满意度调查 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 个性化推荐系统原型设计与实现 | 第39-46页 |
| 4.1 个性化推荐系统功能分析及架构设计 | 第39-42页 |
| 4.1.1 数据存储层的设计 | 第40页 |
| 4.1.2 推荐系统层的设计 | 第40-41页 |
| 4.1.3 应用层的设计 | 第41-42页 |
| 4.2 个性化推荐系统的实现 | 第42-45页 |
| 4.2.1 环境搭建 | 第42页 |
| 4.2.2 数据建模及存储 | 第42-43页 |
| 4.2.3 推荐引擎实现 | 第43-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 全文总结 | 第46-47页 |
| 5.2 研究展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 攻读硕士期间的学术成果 | 第52页 |
