移动新闻的个性化分布式推荐系统研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 现有新闻推荐算法 | 第13-14页 |
| 1.2.2 分布式计算框架 | 第14-16页 |
| 1.3 论文的研究内容 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 相关理论和技术 | 第18-30页 |
| 2.1 网络推荐算法原理 | 第18-24页 |
| 2.1.1 用户-物品二分图 | 第18-19页 |
| 2.1.2 物质扩散算法 | 第19-22页 |
| 2.1.3 热传导算法 | 第22-24页 |
| 2.2 Spark分布式框架 | 第24-28页 |
| 2.2.1 Spark RDD抽象 | 第24-26页 |
| 2.2.2 Spark工作流程 | 第26-28页 |
| 2.3 数据库 | 第28-29页 |
| 2.3.1 Redis | 第28页 |
| 2.3.2 MongoDB | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于时间衰减的网络推荐算法 | 第30-38页 |
| 3.1 新闻的时效性特点 | 第30-32页 |
| 3.2 基于时间衰减的网络推荐算法 | 第32-33页 |
| 3.3 算法验证 | 第33-37页 |
| 3.3.1 数据集和评价指标 | 第33-34页 |
| 3.3.2 准确度 | 第34-35页 |
| 3.3.3 多样性 | 第35-36页 |
| 3.3.4 时效性 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 算法并行化 | 第38-57页 |
| 4.1 并行化步骤 | 第38-40页 |
| 4.2 Spark实现 | 第40-52页 |
| 4.2.1 Broadcast方式 | 第41-45页 |
| 4.2.2 Join方式 | 第45-47页 |
| 4.2.3 Redis方式 | 第47-49页 |
| 4.2.4 实现结果分析 | 第49-52页 |
| 4.3 可扩展性 | 第52-53页 |
| 4.4 减枝优化 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 推荐系统的设计与实现 | 第57-68页 |
| 5.1 系统需求 | 第57-58页 |
| 5.2 系统总体设计 | 第58-61页 |
| 5.2.1 系统模块设计 | 第58-59页 |
| 5.2.2 系统架构设计 | 第59-61页 |
| 5.2.3 系统存储设计 | 第61页 |
| 5.3 系统详细设计 | 第61-63页 |
| 5.3.1 推荐模块设计 | 第61-62页 |
| 5.3.2 新闻展示模块设计 | 第62-63页 |
| 5.4 系统实现和验证 | 第63-67页 |
| 5.4.1 新闻爬取模块 | 第64页 |
| 5.4.2 数据预处理及推荐模块 | 第64-66页 |
| 5.4.3 新闻展示模块 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |
