协同过滤算法及在智能音箱中的应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 音乐推荐系统研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.3 分布式计算研究现状 | 第11-12页 |
| 1.4 智能音箱研究现状 | 第12页 |
| 1.5 研究内容 | 第12-13页 |
| 1.6 本文结构 | 第13-14页 |
| 第2章 Spark分布式计算框架 | 第14-20页 |
| 2.1 Spark简介 | 第14-15页 |
| 2.2 Spark系统架构 | 第15-16页 |
| 2.3 Spark编程模型 | 第16-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 推荐系统简介 | 第20-28页 |
| 3.1 推荐系统概念及其应用 | 第20页 |
| 3.2 常用的协同过滤推荐算法 | 第20-27页 |
| 3.2.1 基于用户的协同过滤推荐算法 | 第20-22页 |
| 3.2.2 基于物品的协同过滤推荐算法 | 第22-24页 |
| 3.2.3 基于隐语义模型的协同过滤推荐算法 | 第24-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于Spark的分群协同过滤推荐算法 | 第28-37页 |
| 4.1 用户聚类模型构建 | 第28-31页 |
| 4.1.1 K-means聚类算法 | 第28-29页 |
| 4.1.2 Canopy算法 | 第29-30页 |
| 4.1.3 改进K-means聚类算法 | 第30-31页 |
| 4.2 基于Spark的聚类模型并行化实现 | 第31-33页 |
| 4.2.1 Canopy算法并行化实现 | 第31-32页 |
| 4.2.2 K-means算法并行化实现 | 第32-33页 |
| 4.3 用户分群协同过滤推荐 | 第33-35页 |
| 4.3.1 基于用户分群的ALS推荐算法 | 第33-34页 |
| 4.3.2 ALS推荐算法并行化实现 | 第34-35页 |
| 4.4 本章小结 | 第35-37页 |
| 第5章 基于ALS的推荐算法并行化实现 | 第37-44页 |
| 5.1 并行算法设计 | 第37-38页 |
| 5.2 GraphX图计算框架 | 第38-41页 |
| 5.3 基于Spark平台的并行化实现 | 第41-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第6章 实验设计及结果分析 | 第44-52页 |
| 6.1 实验环境 | 第44页 |
| 6.2 实验数据 | 第44-45页 |
| 6.3 实验及分析 | 第45-49页 |
| 6.4 推荐算法在智能音箱中的应用 | 第49-50页 |
| 6.5 本章小结 | 第50-52页 |
| 第7章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文 | 第58页 |
