声明
第一章 绪论
1.1 研究工作的背景与意义
1.2.1 粗糙集研究
1.2.2 邻域粗糙集研究
1.2.3 并行粗糙集研究
1.2.4 流式计算研究
1.3 本文的主要工作
1.4 本论文的结构安排
第二章 相关技术与理论基础
2.1 Pawlak粗糙集理论
2.2.1 邻域粗糙集模型
2.2.2 双论域域粗糙集模型
2.3 偏好挖掘的主要方法
2.4 流式计算平台
2.4.1 Storm
2.4.2 Spark Streaming
2.4.3 Flink
2.5 实时大数据处理架构
2.5.1 Lambda架构
2.5.2 Kappa架构
2.6 本章小结
第三章 推荐系统中模型应用与改进
3.1 算法模型的应用
3.1.1 基于双论域邻域粗糙集模型的偏好挖掘
3.1.2 基础评分线
3.2 分布式参数数服务器流式架构
3.3 本章小结
第四章 基于流平台邻域粗糙计算的评分推荐系统需求分析
4.1 总体需求概述
4.1.1 需求背景
4.1.2 用户描述
4.2 功能需求概述
4.2.1 用户管理模块功能描述
4.2.2 评分推荐功能描述
4.2.3 后台管理模块功能描述
4.2.4 推荐引擎功能描述
4.3 非功能需求概述
(1)低成本
(2)高容错、高可靠
(3)高拓展性
4.4 本章小结
第五章 系统设计与实现
5.1 系统分层
5.2 系统架构图
5.3 业务处理系统设计与实现
5.3.1 用户管理
5.3.2 数据采集
5.4 推荐引擎设计与实现
5.4.1 数据预处理模块
5.4.2 推荐引擎模型训练设计与实现
5.4.3 评分推荐设计与实现
5.5 本章小结
第六章 系统测试
6.1 测试环境
6.1.1 软件环境
6.1.2 硬件环境
6.2系统实验验设计
6.2.1 系统模块测试
6.2.2 系统非功能测试
6.3 本章小结
第七章 总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;