首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

协同过滤算法在电子商务推荐领域的应用研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第11-19页
    1.1 课题背景第11-12页
    1.2 课题的目的及意义第12-13页
    1.3 国内外研究现状第13-16页
    1.4 本文的组织结构第16-19页
第2章 相关技术第19-32页
    2.1 大数据处理框架简介第19-25页
        2.1.1 Hadoop简介第19-20页
        2.1.2 Spark简介第20-23页
        2.1.3 Python简介第23-25页
    2.2 相关算法研究第25-31页
        2.2.1 协同过滤算法第25-29页
        2.2.2 关联规则算法第29-31页
    2.3 本章小结第31-32页
第3章 基于关联规则的协同过滤算法第32-42页
    3.1 相似度的计算方法第32-34页
    3.2 传统协同过滤算法的问题分析第34-35页
    3.3 结合关联规则的协同过滤算法第35-36页
    3.4 算法设计第36-38页
    3.5 算法有效性检验第38-41页
        3.5.1 实验数据集第38页
        3.5.2 数据预处理第38页
        3.5.3 求均方根误差的算法设计第38-40页
        3.5.4 算法的评价指标:第40页
        3.5.5 实验结果与分析第40-41页
    3.6 本章小结第41-42页
第4章 相关算法分布式的设计与实现第42-50页
    4.1 MLLib第42-43页
    4.2 基于项目的协同过滤算法分布式的实现第43-46页
    4.3 FP-Growth算法的分布式的实现第46-47页
        4.3.1 FP-Growth算法第46-47页
        4.3.2 基于Spark的FP-Growth算法的分布式实现第47页
    4.4 基于关联规则的协同过滤算法的分布式的设计第47-49页
    4.5 本章小结第49-50页
第5章 分布式关联规则协同过滤算法实现与验证第50-57页
    5.1 推荐系统的架构第50-51页
    5.2 开发环境搭建第51-53页
    5.3 实验数据集第53页
    5.4 实验方案设计第53-54页
    5.5 实验结果与分析第54-56页
    5.6 本章小结第56-57页
结论第57-59页
参考文献第59-64页
攻读硕士学位期间发表的论文和取得的科研成果第64-65页
致谢第65-66页

论文共66页,点击 下载论文
上一篇:中文分词技术在微信订餐导航中的应用
下一篇:基于视觉的多运动目标跟踪关键技术研究