声明
摘要
第1章 绪论
1.1 课题背景
1.2 国内外研究现状
1.2.1 个性化推荐的发展
1.2.2 基于协同过滤的推荐
1.2.3 分布式并行计算
1.3 本文的主要贡献
1.4 本文的组织结构
1.5 本章小结
第2章 相关研究技术概述
2.1 协同过滤算法
2.1.1 基于内存的协同过滤
2.1.2 基于模型的协同过滤
2.2 分布式机器学习算法
2.2.1 基于Hadoop平台的逻辑回归算法
2.2.2 基于GraphX平台的Pure-SVD算法
2.3 本章小结
第3章 引入可见度的改进版Climf算法
3.1 手机应用推荐场景分析
3.2 榜单引导效应分析
3.3 推荐算法的选择
3.4 手机应用可见度
3.5 计算热门应用可见度
3.6 优化后的climf算法
3.7 推荐结果的生成
3.8 本章小结
第4章 Climf算法的分布式实现
4.1 分布式计算平台
4.2 数据定义
4.3 参数更新
4.4 计算评价指标
4.5 改进版Climf算法的分布式实现
4.6 算法伪代码
4.7 算法复杂度分析
4.8 算法优化
4.9 本章小结
第5章 实验
5.1 实验内容
5.2 实验数据
5.3 实验设计
5.4 评价指标
5.5 参数设定
5.6 实验结果及分析
5.7 本章小结
第6章 总结和展望
6.1 本文总结
6.2 未来展望
参考文献
致谢