基于MapReduce的好友推荐系统的研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-11页 |
| ·项目背景 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 相关技术 | 第11-21页 |
| ·MapReduce编程模型及Hadoop平台 | 第11-17页 |
| ·MapReduce编程模型 | 第11-15页 |
| ·Hadoop平台 | 第15页 |
| ·Hadoop平台MapReduce | 第15-16页 |
| ·Hadoop平台HDFS | 第16-17页 |
| ·图算法及其并行化计算 | 第17-21页 |
| ·图在计算机中的保存 | 第18页 |
| ·图算法的应用 | 第18-19页 |
| ·图算法的并行化计算 | 第19-21页 |
| 第三章 好友推荐系统的设计 | 第21-41页 |
| ·好友推荐系统框架 | 第21页 |
| ·数据采集的设计 | 第21-31页 |
| ·数据采集模块框架 | 第22-23页 |
| ·数据采集接口 | 第23-28页 |
| ·数据采集流程图 | 第28-30页 |
| ·数据保存格式 | 第30-31页 |
| ·数据处理的设计 | 第31-39页 |
| ·数据处理框架 | 第31页 |
| ·数据处理接口 | 第31-36页 |
| ·数据处理流程图 | 第36-37页 |
| ·数据处理算法设计 | 第37-39页 |
| ·推荐策略的设计 | 第39-41页 |
| 第四章 好友推荐系统的实现 | 第41-62页 |
| ·数据采集实现 | 第41-45页 |
| ·Twitter API介绍 | 第41页 |
| ·获得Twitter认证 | 第41-43页 |
| ·获得指定用户的信息 | 第43-44页 |
| ·存储结果信息 | 第44-45页 |
| ·Dijkstra算法实现 | 第45-53页 |
| ·Dijkstra算法说明 | 第45-46页 |
| ·Dijkstra算法主要流程 | 第46-48页 |
| ·Dijkstra算法实现 | 第48-53页 |
| ·PageRank算法实现 | 第53-62页 |
| ·PageRank算法说明 | 第54页 |
| ·PageRank算法主要流程 | 第54-56页 |
| ·PageRank算法实现 | 第56-62页 |
| 第五章 好友推荐系统的实验 | 第62-68页 |
| ·实验环境 | 第62-63页 |
| ·硬件环境 | 第62页 |
| ·软件环境 | 第62-63页 |
| ·系统测试 | 第63-68页 |
| ·数据采集测试 | 第63-65页 |
| ·推荐算法测试 | 第65-68页 |
| 第六章 结束语 | 第68-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文 | 第73页 |
