基于Hadoop云平台的智能推荐物流系统设计与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| 一、论文的研究背景和意义 | 第8-9页 |
| 二、国内外研究现状 | 第9-10页 |
| 三、研究的主要内容 | 第10-11页 |
| 四、论文内容的组织结构 | 第11-13页 |
| 第二章 推荐系统相关技术 | 第13-18页 |
| 一、推荐系统简介 | 第13-14页 |
| 二、推荐系统的算法分类 | 第14-17页 |
| (一) 基于内容的推荐 | 第14页 |
| (二) 协同过滤推荐 | 第14-16页 |
| (三) 基于关联规则推荐 | 第16页 |
| (四) 基于社交网络的推荐 | 第16页 |
| (五) 混合推荐 | 第16-17页 |
| 三、本章小结 | 第17-18页 |
| 第三章 Hadoop在系统平台中的应用分析 | 第18-37页 |
| 一、Hadoop相关技术介绍 | 第18-24页 |
| (一) MapReduce简介 | 第18-21页 |
| (二) 新一代MapReduce框架YARN | 第21-23页 |
| (三) Spark计算框架 | 第23-24页 |
| 二、物流平台架构的简介 | 第24-26页 |
| 三、平台的数据结构 | 第26-31页 |
| (一) 数据库的实体关系 | 第26-27页 |
| (二) 数据库表结构 | 第27-31页 |
| 四、物流平台的智能推荐系统 | 第31-36页 |
| (一) 智能推荐系统的概览 | 第31页 |
| (二) 智能推荐系统的框架设计 | 第31-33页 |
| (三) 推荐系统的工作流程 | 第33-36页 |
| 五、本章小结 | 第36-37页 |
| 第四章 基于Hadoop云平台的实现 | 第37-49页 |
| 一、数据预处理过程 | 第37-38页 |
| 二、MapReduce编程模型的推荐算法实现 | 第38-45页 |
| (一) Map阶段 | 第39-41页 |
| (二) Reduce阶段 | 第41-43页 |
| (三) 算法的伪代码 | 第43-44页 |
| (四) 推荐算法的效果 | 第44-45页 |
| 三、利用缓存数据库对推荐系统性能进行优化 | 第45-48页 |
| (一) Redis缓存数据库实现同现矩阵 | 第45-47页 |
| (二) 同现矩阵的压缩处理 | 第47-48页 |
| 四、本章小结 | 第48-49页 |
| 第五章 系统的性能测试与分析 | 第49-59页 |
| 一、推荐系统的环境部署 | 第49-53页 |
| (一) 软硬件环境 | 第49页 |
| (二) 系统环境部署过程 | 第49-53页 |
| 二、系统运行的结果分析 | 第53-57页 |
| (一) 物品相似度 | 第53-54页 |
| (二) 算法的评价分析 | 第54-57页 |
| 三、其他影响因素的分析 | 第57-58页 |
| 四、本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 一、工作的总结 | 第59页 |
| 二、未来展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |
