| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 论文主要研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 相关技术与概念 | 第18-30页 |
| 2.1 推荐算法和相似度算法 | 第18-23页 |
| 2.1.1 基于领域的推荐算法 | 第18-21页 |
| 2.1.2 基于模型的推荐算法 | 第21-22页 |
| 2.1.3 相似度算法 | 第22-23页 |
| 2.2 Spark分布式计算平台 | 第23-27页 |
| 2.2.1 Spark平台概述 | 第23-24页 |
| 2.2.2 弹性分布式数据集 | 第24-26页 |
| 2.2.3 Spark平台运行架构 | 第26-27页 |
| 2.3 推荐系统评测指标 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于项目的协同过滤算法改进设计 | 第30-38页 |
| 3.1 基于项目的协同过滤算法问题分析 | 第30-33页 |
| 3.2 基于项目的协同过滤算法改进 | 第33-37页 |
| 3.2.1 项目属性特征相似度算法 | 第34-35页 |
| 3.2.2 项目最终相似度和评分预测算法 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 基于Spark平台的协同过滤算法并行化 | 第38-54页 |
| 4.1 基于Spark平台的并行计算特点分析 | 第38-43页 |
| 4.1.1 数据并行化过程分析 | 第39-41页 |
| 4.1.2 任务并行化过程分析 | 第41-43页 |
| 4.2 基于Spark平台的改进后协同过滤算法实现 | 第43-53页 |
| 4.2.1 构造带有时间上下文的用户项目评分矩阵 | 第44-45页 |
| 4.2.2 计算带有时间上下文的项目评分相似度 | 第45-47页 |
| 4.2.3 计算项目属性特征相似度 | 第47-49页 |
| 4.2.4 计算带有时间上下文的预测评分 | 第49-52页 |
| 4.2.5 Top-N推荐计算 | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第5章 实验设计与结果分析 | 第54-68页 |
| 5.1 实验平台软硬件环境 | 第54-57页 |
| 5.2 实验数据集 | 第57-59页 |
| 5.3 实验与结果分析 | 第59-67页 |
| 5.3.1 准确度指标评测 | 第59-63页 |
| 5.3.2 并行运行效率评测 | 第63-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 附录A 攻读学位期间所参与的实践项目 | 第75页 |