基于流计算的实时推荐系统的研究

协同过滤论文 离线论文 在线论文 流计算论文
论文详情
摘要第9-10页
Abstract第10-11页
1 绪论第12-18页
    1.1 研究背景与意义第12-13页
    1.2 国内外研究现状第13-16页
        1.2.1 流计算研究现状第13-14页
        1.2.2 实时推荐算法研究现状第14-15页
        1.2.3 实时推荐系统的研究现状第15-16页
    1.3 本文主要研究内容第16-17页
    1.4 论文的组织结构第17-18页
2 相关技术介绍第18-30页
    2.1 推荐系统第18-22页
        2.1.1 基本原理第18页
        2.1.2 推荐算法第18-21页
        2.1.3 评价指标第21-22页
    2.2 分布式流处理技术第22-26页
        2.2.1 日志收集系统Flume第22-24页
        2.2.2 消息缓冲系统Kafka第24-25页
        2.2.3 流计算系统Spark Streaming第25-26页
    2.3 分布式存储技术第26-29页
        2.3.1 内存数据库Redis第26-27页
        2.3.2 文件数据库MongoDB第27-29页
    2.4 本章小结第29-30页
3 基于Item-CF的实时推荐算法第30-39页
    3.1 传统基于物品的推荐算法第30-32页
        3.1.1 用户-物品评分矩阵第30-31页
        3.1.2 计算物品相似度第31-32页
        3.1.3 评分预测第32页
    3.2 基于Item-CF算法存在的问题第32-33页
    3.3 改进的基于Item-CF的实时推荐算法第33-38页
        3.3.1 物品相似度计算第34-35页
        3.3.2 推荐优先级计算第35-38页
    3.4 本章小结第38-39页
4 实时推荐系统的设计与实现第39-50页
    4.1 系统性能需求第39-40页
        4.1.1 低要求高效率第39页
        4.1.2 高容错高可靠性第39页
        4.1.3 扩展性第39页
        4.1.4 实时性第39-40页
    4.2 实时推荐系统的设计第40-43页
        4.2.1 系统架构设计第40-41页
        4.2.2 数据模型第41-43页
    4.3 实时推荐系统的实现第43-48页
        4.3.1 离线部分处理第43-45页
        4.3.2 在线部分处理第45-48页
    4.4 本章小结第48-50页
5 系统测试和结果分析第50-56页
    5.1 实验环境第50页
    5.2 实验数据集第50-51页
    5.3 测试目的与方案设计第51-52页
        5.3.1 准确性测试第51页
        5.3.2 性能测试第51-52页
    5.4 测试结果分析第52-55页
        5.4.1 准确性分析第52-53页
        5.4.2 性能分析第53-55页
    5.5 本章小结第55-56页
6 总结与展望第56-58页
    6.1 全文总结第56页
    6.2 未来展望第56-58页
7 参考文献第58-62页
8 攻读硕士学位期间发表的论文第62-63页
致谢第63页
论文购买
论文编号ABS4635990,这篇论文共63页
会员购买按0.30元/页下载,共需支付18.9
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付31.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656