推荐系统与大数据技术融合.docVIP

推荐系统与大数据技术融合

TOC\o1-2\h\u2525第1章引言 4

160391.1推荐系统概述 4

206111.2大数据技术简介 4

111881.3推荐系统与大数据技术的融合趋势 5

17285第2章推荐系统基础 5

114712.1推荐系统的类型 5

61252.1.1内容推荐系统 5

302272.1.2协同过滤推荐系统 5

327182.1.3混合推荐系统 5

117832.1.4深度学习推荐系统 6

228662.2推荐系统的评估指标 6

115162.2.1准确度指标 6

28282.2.2覆盖度指标 6

63012.2.3新颖度指标 6

81562.2.4用户满意度指标 6

175982.2.5健壮性指标 6

17672.3推荐算法概述 6

194412.3.1基于内容的推荐算法 6

165032.3.2协同过滤推荐算法 6

95742.3.3混合推荐算法 6

181152.3.4深度学习推荐算法 7

27422第3章大数据技术基础 7

148193.1分布式计算框架 7

231733.1.1概述 7

206083.1.2Hadoop 7

109733.1.3Spark 7

233033.1.4Flink 7

287233.2分布式存储技术 7

218603.2.1概述 7

139913.2.2HDFS 7

90973.2.3HBase 8

85313.2.4Cassandra 8

141653.3数据挖掘与机器学习 8

289543.3.1概述 8

47633.3.2分类算法 8

151293.3.3聚类算法 8

282363.3.4深度学习 8

5022第4章基于大数据的协同过滤推荐 8

225524.1用户协同过滤推荐 8

229864.1.1用户相似度计算 8

250944.1.2用户评分预测 8

290004.1.3用户协同过滤推荐算法优化 9

71194.2物品协同过滤推荐 9

252834.2.1物品相似度计算 9

30694.2.2物品推荐列表 9

248314.2.3物品协同过滤推荐算法优化 9

202554.3模型优化与并行化处理 9

245094.3.1模型优化策略 9

301024.3.2并行化处理技术 9

48294.3.3实时推荐系统 9

15556第5章深度学习与推荐系统 10

80155.1神经网络基础 10

262685.1.1神经元模型与感知机 10

217195.1.2多层前馈神经网络 10

191845.1.3卷积神经网络与循环神经网络 10

160525.2深度学习在推荐系统中的应用 10

225095.2.1神经协同过滤 10

27215.2.2深度学习与矩阵分解 10

91175.2.3深度学习与混合推荐模型 10

2075.3深度学习模型的优化与训练 10

323715.3.1深度学习模型的正则化方法 11

237565.3.2深度学习模型的优化算法 11

141145.3.3深度学习模型在推荐系统中的训练技巧 11

57405.3.4深度学习推荐系统的工程实践 11

598第6章大数据环境下的推荐算法优化 11

253946.1数据预处理技术 11

197176.1.1数据清洗与去噪 11

153056.1.2数据集成与融合 11

139366.1.3数据采样与划分 11

201156.2特征工程与降维 12

59056.2.1特征提取与选择 12

203096.2.2特征编码与转换 12

256026.2.3降维方法 12

218886.3算法调优与模型融合 12

314006.3.1算法调优策略 12

178476.3.2模型融合技术 12

324216.3.3冷启动问题优化 12

267446.3.4实时推荐与增量学习 12

1114第7章实时推荐系统 13

79547.1实时推荐系统概述 13

216357.1.1实时推荐系统的定义与作用 13

290107.1.2实时推荐系统的发展背景 13