摘要
第一章 绪论
1.1 本论文研究的背景和意义
1.2 国内外研究现状及发展趋势
1.3 论文的主要内容
1.4 论文的组织结构
第二章 推荐算法的相关介绍以及Spark框架
2.1 主要推荐技术
2.1.1 基于协同过滤的推荐技术
2.1.2 基于内容的推荐技术
2.1.3 基于社会化的推荐技术
2.1.4 混合推荐技术
2.2 协同过滤推荐算法
2.2.1 基于邻域的协同过滤算法
2.2.2 基于模型的协同过滤算法
2.3 评价指标
2.3.1 准确率
2.3.2 多样性
2.4 Spark框架
2.4.1 Spark大数据处理框架及其生态系统
2.4.2 Spark开发环境及其部署搭建
2.5 本章小结
第三章 基于两步预测的二分网络Top-N推荐
3.1 引言
3.2 相关技术
3.2.1 二分网络
3.2.2 两阶段行为模式衍生的两步预测
3.3 基于两步预测的二分网络Top-N推荐
3.3.1 概率预测
3.3.2 评分预测
3.3.3 Top-N推荐
3.4 实验与分析
3.4.1 实验数据集及设置
3.4.2 实验结果
3.5 本章小结
第四章 基于属性比重相似性的两步预测Top-N推荐
4.1 引言
4.2 相似度计算
4.3 基于属性比重相似性的两步预测Top-N推荐
4.3.1 属性比重相似性
4.3.2 基于属性比重相似性的两步预测的Top-N推荐
4.4 实验与分析
4.4.1 实验数据集
4.4.2 实验结果
4.5 本章小结
第五章 基于Spark的属性比重相似性推荐算法的并行化
5.1 引言
5.2 Spark基本计算单元
5.3 并行化具体实现
5.3.1 计算用户属性矩阵的并行化算法
5.3.2 计算用户相似度矩阵的并行化算法
5.3.3 产生Top-N推荐的并行化算法
5.3 实验与分析
5.3.1 实验环境及数据集
5.3.2 实验结果
5.4 本章小结
6.1 本文总结
6.2 展望
参考文献
致谢
攻读硕士学位期间参与的科研工作及发表的论文
声明