| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 推荐系统研究现状 | 第10-11页 |
| 1.2.2 分布式计算平台研究现状 | 第11-13页 |
| 1.3 本文工作及结构安排 | 第13-15页 |
| 1.3.1 本文的主要工作 | 第13页 |
| 1.3.2 论文的结构安排 | 第13-15页 |
| 第2章 分布式计算平台及核心技术 | 第15-27页 |
| 2.1 Hadoop平台概述 | 第15-17页 |
| 2.1.1 Hadoop平台发展历程 | 第15-16页 |
| 2.1.2 Hadoop平台的特点与优势 | 第16-17页 |
| 2.2 分布式文件系统HDFS | 第17-20页 |
| 2.2.1 HDFS简介 | 第17-18页 |
| 2.2.2 HDFS工作机制 | 第18-20页 |
| 2.3 并行化计算框架MapReduce | 第20-22页 |
| 2.3.1 MapReduce 简介 | 第20页 |
| 2.3.2 MapReduce计算流程 | 第20-22页 |
| 2.4 Spark分布式计算框架 | 第22-25页 |
| 2.4.1 Spark简介 | 第22页 |
| 2.4.2 Spark运行架构 | 第22-23页 |
| 2.4.3 Spark生态系统 | 第23-24页 |
| 2.4.4 Spark与MapReduce计算框架比较 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 个性化推荐系统研究 | 第27-39页 |
| 3.1 推荐系统概述 | 第27-29页 |
| 3.1.1 推荐系统发展历程 | 第27页 |
| 3.1.2 推荐系统流程 | 第27-28页 |
| 3.1.3 推荐系统所面临的问题 | 第28-29页 |
| 3.2 常见推荐算法 | 第29-35页 |
| 3.2.1 基于内容的推荐算法 | 第29-30页 |
| 3.2.2 协同过滤推荐算法 | 第30-33页 |
| 3.2.3 隐语义模型推荐算法 | 第33-34页 |
| 3.2.4 混合推荐 | 第34-35页 |
| 3.3 推荐算法评价指标 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于Bandits的推荐冷启动问题优化与实现 | 第39-53页 |
| 4.1 多臂赌博机(Bandits)简介 | 第39-42页 |
| 4.1.1 Bandits基本思想 | 第39-40页 |
| 4.1.2 推荐系统Bandits发展历程 | 第40-41页 |
| 4.1.3 Bandits算法流程 | 第41-42页 |
| 4.2 MFBandit算法 | 第42-46页 |
| 4.2.1 参数初始化 | 第43页 |
| 4.2.2 推荐预测及收敛性分析 | 第43-44页 |
| 4.2.3 参数更新 | 第44-46页 |
| 4.3 实验与分析 | 第46-52页 |
| 4.3.1 实验数据说明 | 第46-47页 |
| 4.3.2 评价指标与对比算法 | 第47页 |
| 4.3.3 结果分析 | 第47-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 推荐冷启动MFLinUCB算法并行化 | 第53-63页 |
| 5.1 算法并行化需求分析 | 第53页 |
| 5.2 算法并行化设计 | 第53-54页 |
| 5.3 基于Spark计算平台的算法的并行化实现分析 | 第54-58页 |
| 5.3.1 数据流形式的并行化 | 第55-56页 |
| 5.3.2 执行任务的并行化 | 第56-58页 |
| 5.4 实验与分析 | 第58-61页 |
| 5.4.1 实验数据说明 | 第58页 |
| 5.4.2 实验环境 | 第58-59页 |
| 5.4.3 实验结果与分析 | 第59-61页 |
| 5.5 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 发表论文和参加科研情况说明 | 第69-71页 |
| 致谢 | 第71页 |
