声明
致谢
变量注释表
1 绪论
1.1 研究背景
1.1.1 推荐系统
1.1.2 社交网络与关键用户
1.1.3 并行计算
1.2 国内外研究现状
1.2.1 推荐算法的研究现状
1.2.2 并行计算的研究现状
1.3 研究目的
1.4 主要工作
1.5 本文结构安排
2 基础理论与相关技术
2.1 常用的协同过滤推荐算法
2.1.1 基于用户的协同过滤推荐算法
2.1.2 基于项目的协同过滤推荐算法
2.1.3 基于模型的协同过滤推荐算法
2.2 相似性计算
2.2.1 余弦相似度
2.2.2 皮尔逊相关系数
2.2.3 修正的余弦相似度
2.3 推荐系统评估指标
2.3.1准确性指标
2.3.2 非准确性指标
2.3.3 其他评价指标
2.4 Spark系统框架与编程模型
2.4.1 Spark集群模式架构
2.4.2 Spark弹性分布式数据集
3 融合社交网络与关键用户的并行推荐算法研究
3.1 算法描述与模型设计
3.1.1 构建社交网络信任矩阵
3.1.2 构建关键用户评分矩阵
3.1.3 相似性计算
3.1.4 预测评分
3.1.5 算法流程设计
3.2 并行化算法流程设计与实现
4 实验设计及结果分析
4.1 实验数据
4.2 实验环境
4.3 实验设计
4.3.1 数据预处理
4.3.2 数据集划分
4.3.3 实验设计
4.4 实验结果与分析
4.4.1 训练集规模对推荐结果的影响
4.4.2 相似度计算对推荐结果的影响
4.4.3 不同算法对推荐结果的影响
4.4.4 单机与并行加速比差异
4.4.5 与其他推荐算法比较
4.4.6 其他评价指标
5 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集