基于用户评论的推荐系统设计与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 推荐系统的研究现状 | 第12-14页 |
| 1.2.2 主题模型的研究现状 | 第14-15页 |
| 1.3 论文内容及主要工作 | 第15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 相关理论与技术基础 | 第17-31页 |
| 2.1 个性化推荐系统概述 | 第17-18页 |
| 2.2 LDA主题模型 | 第18-21页 |
| 2.2.1 词袋模型 | 第18页 |
| 2.2.2 模型的生成过程 | 第18-19页 |
| 2.2.3 Gibbs抽样 | 第19-20页 |
| 2.2.4 文档主题分布的计算 | 第20-21页 |
| 2.3 协同过滤算法 | 第21-25页 |
| 2.3.1 基于用户的协同过滤算法 | 第21-23页 |
| 2.3.2 基于物品的协同过滤算法 | 第23-25页 |
| 2.3.3 协同过滤算法存在的问题 | 第25页 |
| 2.4 推荐算法的评估指标 | 第25-27页 |
| 2.5 大数据平台 | 第27-30页 |
| 2.5.1 分布式计算框架 | 第27-29页 |
| 2.5.2 分布式文件系统 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于评论的协同过滤算法 | 第31-39页 |
| 3.1 用户评论分析 | 第31-33页 |
| 3.1.1 用户评论的价值 | 第31-32页 |
| 3.1.2 评论的主题与物品的特征 | 第32-33页 |
| 3.2 物品特征的改进 | 第33-36页 |
| 3.2.1 评分权重 | 第34-35页 |
| 3.2.2 时间权重 | 第35-36页 |
| 3.2.3 新增物品冷启动问题 | 第36页 |
| 3.3 改进的基于物品的协同过滤算法 | 第36-37页 |
| 3.3.1 物品相似度计算 | 第36-37页 |
| 3.3.2 评分预测计算 | 第37页 |
| 3.3.3 推荐列表生成计算 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 推荐系统设计与实现 | 第39-47页 |
| 4.1 系统整体架构设计 | 第39-41页 |
| 4.1.1 数据收集与存储模块 | 第40页 |
| 4.1.2 推荐处理模块 | 第40页 |
| 4.1.3 输出交互模块 | 第40-41页 |
| 4.1.4 系统离线与在线计算设计 | 第41页 |
| 4.2 数据预处理 | 第41-44页 |
| 4.2.1 数据集介绍 | 第41-42页 |
| 4.2.2 评论数据的处理 | 第42-44页 |
| 4.3 推荐引擎实现流程 | 第44-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 实验与分析 | 第47-54页 |
| 5.1 开发环境与实验数据 | 第47-48页 |
| 5.1.1 实验机器及软件 | 第47页 |
| 5.1.2 实验数据说明 | 第47-48页 |
| 5.2 实验结果与分析 | 第48-52页 |
| 5.2.1 实验设计 | 第48页 |
| 5.2.2 实验评估指标 | 第48-49页 |
| 5.2.3 实验与分析 | 第49-51页 |
| 5.2.4 推荐结果展示 | 第51-52页 |
| 5.3 本章小结 | 第52-54页 |
| 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |
