数字图书馆协同过滤及GPU计算技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文的组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第2章 相关研究综述 | 第13-28页 |
| ·数字图书馆 | 第13-15页 |
| ·CADAL项目情况 | 第13-14页 |
| ·个性化推荐系统 | 第14-15页 |
| ·推荐算法 | 第15-21页 |
| ·矩阵分解算法 | 第16-20页 |
| ·相似度近邻算法 | 第20-21页 |
| ·通用GPU计算 | 第21-24页 |
| ·GPU通用编程与CUDA | 第24-27页 |
| ·CUDA编程模型 | 第24页 |
| ·CUDA线程层次结构 | 第24-25页 |
| ·CUDA存储层次结构 | 第25-26页 |
| ·CUDA编程限制 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于偏好列表的协同过滤算法 | 第28-44页 |
| ·用户偏好列表 | 第28-32页 |
| ·数据集定义 | 第29-31页 |
| ·计算用户偏好程度 | 第31-32页 |
| ·协同过滤 | 第32-43页 |
| ·计算用户之间的相似性 | 第33-36页 |
| ·预测用户对未知书籍的偏好 | 第36-42页 |
| ·推荐结果的产生 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于GPU的偏好列表协同过滤算法设计 | 第44-57页 |
| ·基于GPU的偏好列表协同过滤算法设计 | 第44-56页 |
| ·数据结构 | 第44-46页 |
| ·基本算子与基本算子模板 | 第46-51页 |
| ·并行算法设计 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 算法实验与系统应用 | 第57-68页 |
| ·算法实验 | 第57-64页 |
| ·参数设定 | 第57-59页 |
| ·数据筛选 | 第59-61页 |
| ·性能测试 | 第61-64页 |
| ·系统应用 | 第64-67页 |
| ·系统结构 | 第64-65页 |
| ·用户识别策略 | 第65-66页 |
| ·系统集成测试 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
