声明
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 论文主要研究内容和工作
1.4 本文组织结构
2 关键技术及算法介绍
2.1 推荐系统
2.2 推荐算法
2.2.1基于内容的推荐
2.2.2基于关联规则的推荐
2.2.3基于近邻的协同过滤推荐算法
2.3.1 Spark平台概述
2.3.2 Spark Streaming
2.3.3 Spark MLlib
2.3.4 Spark的技术优势
2.4 其他相关技术
2.4.1 Zookeeper分布式协调服务
2.4.2 Kafka分布式消息系统
2.4.3 MongoDB数据库
2.4.4 Redis高性能数据库
2.5 本章小结
3 算法设计
3.1 推荐系统的混合推荐机制
3.2 离线混合推荐算法
3.2.1矩阵分解的作用及原理
3.2.2 K-means聚类的作用及原理
3.2.3离线推荐混合算法设计
3.3 实时推荐算法
3.3.1实时推荐算法原理
3.3.2实时推荐算法设计
3.4 本章小结
4 实验及结果分析
4.1 实验数据集
4.2 推荐算法评测标准
4.3 实验平台搭建
4.4 实验设计及结果分析
4.4.1 ALS算法参数值选取实验
4.4.2推荐算法近邻数及聚类簇数实验
4.4.3混合推荐算法扩展性实验
4.4.4混合推荐算法准确性实验
4.5 本章小结
5 基于Spark的电商推荐系统的设计及实现
5.1 需求分析
5.1.1系统功能需求分析
5.2.1数据库E-R图
5.2.2数据库表设计
5.3 系统功能模块概要设计
5.3.1前后端交互模块设计
5.3.2推荐引擎模块设计
5.4 系统部署及实现
5.4.1分布式系统环境部署
5.4.2 Web服务端开发流程
5.4.3推荐算法在Spark平台上的实现
5.4.4系统模块实现及可行性分析
5.5.1用户登录注册模块
5.5.2商品评分模块
5.5.3商品推荐模块
5.6 本章小结
6 总结与展望
参考文献
附录
致谢
三峡大学;