基于分布式处理平台的组合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10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 当前研究存在的问题 | 第12-13页 |
| 1.4 本课题研究内容 | 第13页 |
| 1.5 论文组织结构 | 第13-16页 |
| 第二章 分布式处理平台关键技术 | 第16-28页 |
| 2.1 Hadoop框架 | 第16-22页 |
| 2.1.1 分布式文件系统HDFS | 第16-18页 |
| 2.1.2 MapReduce | 第18-22页 |
| 2.2 Spark框架 | 第22-26页 |
| 2.2.1 弹性分布式数据集RDD | 第23-24页 |
| 2.2.2 MLlib | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 推荐系统关键技术 | 第28-42页 |
| 3.1 推荐算法性能评价指标 | 第28页 |
| 3.2 相似度的计算方法 | 第28-29页 |
| 3.3 基于内容的推荐 | 第29-33页 |
| 3.3.1 基于人口统计学信息的推荐 | 第29-31页 |
| 3.3.2 基于物品内容的推荐 | 第31-33页 |
| 3.4 基于协同过滤的推荐 | 第33-37页 |
| 3.4.1 基于用户的协同过滤推荐 | 第33-35页 |
| 3.4.2 基于物品的协同过滤推荐 | 第35-37页 |
| 3.5 基于交替最小二乘法的推荐 | 第37-40页 |
| 3.5.1 交替最小二乘法的数学基础 | 第37-39页 |
| 3.5.2 交替最小二乘法实现评分预测 | 第39-40页 |
| 3.6 推荐算法组合理论 | 第40-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 组合推荐算法的设计 | 第42-60页 |
| 4.1 基于用户的中组合推荐 | 第42-47页 |
| 4.1.1 算法设计思路 | 第42-43页 |
| 4.1.2 具体设计步骤 | 第43-47页 |
| 4.2 基于物品的中组合推荐 | 第47-52页 |
| 4.2.1 算法设计思路 | 第47-48页 |
| 4.2.2 具体设计步骤 | 第48-52页 |
| 4.3 基于用户-物品的后组合推荐 | 第52-55页 |
| 4.3.1 算法设计思路 | 第52-53页 |
| 4.3.2 具体设计步骤 | 第53-55页 |
| 4.4 基于ALS的级联型组合推荐 | 第55-59页 |
| 4.4.1 算法设计思路 | 第55-56页 |
| 4.4.2 具体设计步骤 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 系统部署及结果分析 | 第60-74页 |
| 5.1 平台概况及搭建 | 第60-63页 |
| 5.1.1 平台概况 | 第60-61页 |
| 5.1.2 平台搭建 | 第61-63页 |
| 5.2 算法实现 | 第63-65页 |
| 5.2.1 相似度矩阵的组合 | 第63-64页 |
| 5.2.2 稀疏矩阵的填充 | 第64页 |
| 5.2.3 MAE值的计算 | 第64-65页 |
| 5.3 数据集的选取 | 第65-66页 |
| 5.4 测试与分析 | 第66-72页 |
| 5.4.1 基于用户的中组合推荐 | 第66-68页 |
| 5.4.2 基于物品的中组合推荐 | 第68-69页 |
| 5.4.3 基于用户-物品的后组合推荐 | 第69-71页 |
| 5.4.4 基于ALS的级联型组合推荐 | 第71-72页 |
| 5.5 本章小结 | 第72-74页 |
| 工作总结及展望 | 第74-76页 |
| 总结 | 第74-75页 |
| 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录1 | 第80-82页 |
| 致谢 | 第82页 |
