| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 前言 | 第8-12页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究成果 | 第8-10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 论文组织结构 | 第11页 |
| 1.5 本章小结 | 第11-12页 |
| 2 理论基础与相关技术 | 第12-22页 |
| 2.1 基于物品协同过滤算法 | 第12-14页 |
| 2.2 分布式计算平台 | 第14-17页 |
| 2.3 博弈论 | 第17-19页 |
| 2.3.1 传统博弈论 | 第17-18页 |
| 2.3.2 演化博弈论 | 第18-19页 |
| 2.4 Web服务 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于物品协同过滤算法的分布式改进 | 第22-28页 |
| 3.1 传统基于物品协同过滤算法实践中存在的问题 | 第22-23页 |
| 3.1.1 迭代运算时的性能问题 | 第22页 |
| 3.1.2 稀疏矩阵存储时的空间问题 | 第22-23页 |
| 3.2 基于Dpark的数据处理 | 第23-26页 |
| 3.3 基于BeansDB的矩阵存储 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 4 类博弈个性化推荐算法 | 第28-48页 |
| 4.1 算法概述 | 第28-29页 |
| 4.2 加强“个性化特征”的离线推荐算法 | 第29-42页 |
| 4.2.1 传统基于物品协同过滤算法的推荐模型 | 第29-30页 |
| 4.2.2 引入用户追新度和音乐流行度的改进协同过滤算法 | 第30-34页 |
| 4.2.3 实验数据分析 | 第34-42页 |
| 4.3 基于“类博弈思想”的在线推荐算法 | 第42-47页 |
| 4.3.1“兴趣漂移”问题 | 第42-43页 |
| 4.3.2 常规缓解“兴趣漂移”问题的方法 | 第43-44页 |
| 4.3.3 类博弈思想 | 第44-45页 |
| 4.3.4 算法设计与实验数据分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 个性化音乐推荐系统 | 第48-57页 |
| 5.1 功能概述 | 第48页 |
| 5.2 架构设计与实现验证 | 第48-56页 |
| 5.2.1 架构概述 | 第48-49页 |
| 5.2.2 架构设计 | 第49-52页 |
| 5.2.3 实现验证 | 第52-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录 | 第62-63页 |
| 图版 | 第63-64页 |
| 表版 | 第64-65页 |