面向协同过滤推荐算法的均模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·协同过滤推荐技术的发展与研究现状 | 第12-14页 |
| ·推荐系统的增量扩展研究现状 | 第14-15页 |
| ·大数据处理技术的研究进展及其在推荐系统的应用 | 第15-16页 |
| ·课题研究内容及论文组织结构 | 第16-18页 |
| ·课题研究内容 | 第16-17页 |
| ·论文组织结构 | 第17-18页 |
| 第二章 推荐系统与相关技术研究 | 第18-32页 |
| ·推荐系统概述 | 第18-20页 |
| ·推荐系统的基本理论依据 | 第18页 |
| ·推荐系统的原理与架构 | 第18-19页 |
| ·推荐系统的分类 | 第19-20页 |
| ·协同过滤推荐技术研究 | 第20-27页 |
| ·协同过滤推荐算法 | 第20-23页 |
| ·IBCF算法 | 第23-24页 |
| ·项目相似性计算 | 第24-25页 |
| ·IBCF算法的评分预测方法研究 | 第25-27页 |
| ·IBCF算法评测研究 | 第27-31页 |
| ·预测准确度 | 第27-28页 |
| ·分类准确度 | 第28-30页 |
| ·排序准确度 | 第30-31页 |
| ·准确度之外的评价指标 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 均模型及其改进研究 | 第32-44页 |
| ·均模型的原理与性质 | 第32-35页 |
| ·均模型的基本原理 | 第32-35页 |
| ·均模型的基本性质 | 第35页 |
| ·改进的均模型算法 | 第35-38页 |
| ·原始均模型算法存在的问题 | 第35-37页 |
| ·均模型的改进策略 | 第37-38页 |
| ·实验与分析 | 第38-42页 |
| ·实验 | 第38-39页 |
| ·实验分析 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 均模型的增量扩展研究 | 第44-52页 |
| ·支持增量的均模型实现算法 | 第44-46页 |
| ·实验与分析 | 第46-51页 |
| ·实验设计 | 第46-47页 |
| ·实验准备 | 第47-48页 |
| ·结果与分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 均模型的并行化设计与实现 | 第52-62页 |
| ·Map Reduce | 第52-53页 |
| ·基于Map Reduce框架的均模型并行化设计 | 第53-57页 |
| ·基于改进均模型的IBCF并行化算法 | 第53-56页 |
| ·增量均模型的并行化方法 | 第56-57页 |
| ·实验与分析 | 第57-60页 |
| ·实验环境简介 | 第57-58页 |
| ·实验设计 | 第58-59页 |
| ·实验结果与分析 | 第59-60页 |
| ·基于Spark实现增量均模型的初步探索 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·工作总结 | 第62-63页 |
| ·研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表的学术论文目录 | 第70页 |
