基于Hadoop的协同过滤推荐系统研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题的研究内容和意义 | 第10-11页 |
| 1.3 论文结构安排 | 第11-13页 |
| 第二章 相关概念介绍 | 第13-26页 |
| 2.1 推荐系统 | 第13-14页 |
| 2.2 协同过滤推荐算法 | 第14-18页 |
| 2.2.1 基于用户的协同过滤推荐 | 第14-15页 |
| 2.2.2 基于物品的协同过滤推荐 | 第15-17页 |
| 2.2.3 基于矩阵因子分解的协同方法 | 第17页 |
| 2.2.4 其他协同方法 | 第17-18页 |
| 2.3 Hadoop并行计算框架 | 第18-24页 |
| 2.3.1 HDFS分布式文件系统 | 第19-20页 |
| 2.3.2 MapReduce分布式计算框架 | 第20-24页 |
| 2.3.3 基于Hadoop的协同过滤算法研究 | 第24页 |
| 2.4 小结 | 第24-26页 |
| 第三章 基于Hadoop的协同过滤推荐算法 | 第26-44页 |
| 3.1 推荐数据预处理 | 第26-28页 |
| 3.2 基于用户的协同过滤并行化 | 第28-32页 |
| 3.2.1 数据建模 | 第28-30页 |
| 3.2.2 推荐计算 | 第30-32页 |
| 3.3 基于物品的协同过滤并行化 | 第32-36页 |
| 3.3.1 数据建模 | 第32-34页 |
| 3.3.2 推荐计算 | 第34-36页 |
| 3.4 基于主成因分析的协同方法并行化 | 第36-40页 |
| 3.4.1 主成因分析原理 | 第37-38页 |
| 3.4.2 并行设计及推荐方案 | 第38-40页 |
| 3.5 算法性能比较 | 第40-42页 |
| 3.5.1 实验设计 | 第40-41页 |
| 3.5.2 实验结果与分析 | 第41-42页 |
| 3.6 小结 | 第42-44页 |
| 第四章 推荐系统评价 | 第44-49页 |
| 4.1 评估方案概述 | 第44-46页 |
| 4.2 评估方法实现 | 第46-47页 |
| 4.3 评估实验 | 第47页 |
| 4.4 小结 | 第47-49页 |
| 第五章 在线电影协同推荐系统设计 | 第49-63页 |
| 5.1 系统需求分析 | 第49-53页 |
| 5.1.1 需求概述 | 第49-53页 |
| 5.1.2 运行环境概述 | 第53页 |
| 5.2 系统设计 | 第53-56页 |
| 5.2.1 系统流程 | 第53-54页 |
| 5.2.2 系统架构 | 第54-56页 |
| 5.3 云平台层性能改进 | 第56-62页 |
| 5.3.1 云平台层参数优化方案 | 第56-61页 |
| 5.3.2 云平台优化实验 | 第61-62页 |
| 5.4 小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文目录 | 第69页 |
