Hadoop下的个性化推荐应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-12页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 课题研究内容和意义 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第2章 个性化推荐相关技术研究 | 第12-18页 |
| 2.1 个性化推荐系统工作原理 | 第12-13页 |
| 2.2 个性化推荐系统的分类 | 第13-14页 |
| 2.3 协同过滤算法 | 第14-17页 |
| 2.3.1 基于用户的协同过滤算法 | 第15-16页 |
| 2.3.2 基于项目的协同过滤算法 | 第16页 |
| 2.3.3 协同过滤算法的应用问题 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 基于半余弦曲线的协同过滤算法 | 第18-27页 |
| 3.1 基于用户特征聚类的预处理 | 第18-20页 |
| 3.2 基于半余弦曲线的协同过滤算法 | 第20-24页 |
| 3.2.1 基于半余弦曲线的时间权重函数 | 第20-21页 |
| 3.2.2 基于时间权重函数的协同过滤算法 | 第21-24页 |
| 3.3 实验与分析 | 第24-26页 |
| 3.3.1 实验内容 | 第24页 |
| 3.3.2 实验数据 | 第24页 |
| 3.3.3 实验结果与分析 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 Hadoop下的数据存储与协同过滤计算 | 第27-44页 |
| 4.1 Hadoop基础理论 | 第27-31页 |
| 4.1.1 HDFS分布式文件系统 | 第28-29页 |
| 4.1.2 MapReduce分布式计算框架 | 第29-31页 |
| 4.2 基于副本调整策略的HDFS优化 | 第31-37页 |
| 4.2.1 HDFS的副本放置策略及缺陷 | 第31-34页 |
| 4.2.2 HDFS的副本放置策略优化 | 第34-36页 |
| 4.2.3 实验与分析 | 第36-37页 |
| 4.3 基于MapReduce的协同过滤算法 | 第37-43页 |
| 4.3.1 基于MapReduce的算法并行化 | 第37-38页 |
| 4.3.2 基于MapReduce的协同过滤算法 | 第38-43页 |
| 4.3.3 实验与分析 | 第43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 个性化推荐系统的设计 | 第44-52页 |
| 5.1 系统业务流程设计 | 第44-45页 |
| 5.2 个性化推荐系统架构 | 第45-46页 |
| 5.3 个性化推荐系统详细设计 | 第46-51页 |
| 5.3.1 数据存储 | 第46-47页 |
| 5.3.2 系统配置 | 第47页 |
| 5.3.3 界面设计 | 第47-50页 |
| 5.3.4 功能实现 | 第50-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-58页 |
| 致谢 | 第58页 |
