| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景 | 第10-11页 |
| ·推荐系统的研究现状 | 第11-12页 |
| ·本文的研究工作 | 第12-13页 |
| ·本文的结构 | 第13-15页 |
| 第二章 个性化推荐技术综述 | 第15-25页 |
| ·个性化推荐技术研究现状 | 第15-21页 |
| ·协同过滤推荐技术 | 第15-20页 |
| ·基于内容推荐技术 | 第20-21页 |
| ·混合推荐技术 | 第21页 |
| ·协同过滤瓶颈问题研究 | 第21-24页 |
| ·数据稀疏性问题和冷启动问题 | 第21-23页 |
| ·可扩展性问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 云计算平台HADOOP介绍 | 第25-31页 |
| ·HADOOP文件系统HDFS | 第25-26页 |
| ·HADOOP并行计算框架MAPREDUCE | 第26-28页 |
| ·HADOOP分布式数据库HBASE | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 一种基于多维相似度的个性化新闻推荐方法 | 第31-44页 |
| ·个性化新闻推荐所面临的问题 | 第31-32页 |
| ·行为-内容相似度计算方法 | 第32-36页 |
| ·主题模型训练 | 第32-33页 |
| ·用户建模和新闻建模 | 第33-34页 |
| ·行为-内容相似度计算方法 | 第34-36页 |
| ·ToPN推荐方法 | 第36-38页 |
| ·实验验证 | 第38-43页 |
| ·实验方案 | 第38页 |
| ·实验结果及分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 一种适用于个性化新闻推荐的聚类算法 | 第44-54页 |
| ·传统个性化推荐中的聚类方法 | 第44-45页 |
| ·聚类算法JACCARD-KMEANS | 第45-47页 |
| ·实验验证 | 第47-52页 |
| ·实验方案 | 第47-48页 |
| ·实验结果及分析 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 第六章 基于协同过滤的个性化新闻推荐系统的设计与实现 | 第54-71页 |
| ·系统需求分析 | 第54页 |
| ·系统总体设计 | 第54-60页 |
| ·个性化推荐子系统总体设计 | 第56-59页 |
| ·Web UI展示子系统总体设计 | 第59-60页 |
| ·系统详细设计 | 第60-70页 |
| ·数据库设计 | 第60-61页 |
| ·类设计 | 第61-70页 |
| ·本章小结 | 第70-71页 |
| 第七章 个性化新闻推荐系统功能测试 | 第71-76页 |
| ·测试环境 | 第71页 |
| ·测试方案 | 第71-72页 |
| ·测试结果 | 第72-75页 |
| ·模型建立功能 | 第72-73页 |
| ·相似度计算功能 | 第73页 |
| ·个性化推荐功能 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第八章 总结和展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文 | 第82页 |