基于HADOOP的APP用户活跃度提升的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 背景 | 第8页 |
| 1.2 国内外研究状况 | 第8-11页 |
| 1.2.1 智能手机应用 | 第8-9页 |
| 1.2.2 Hadoop大数据平台 | 第9-10页 |
| 1.2.3 用户活跃度相关理论 | 第10-11页 |
| 1.3 研究内容 | 第11-13页 |
| 1.3.1 研究的范围 | 第11-12页 |
| 1.3.2 研究的意义 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 相关技术介绍 | 第14-20页 |
| 2.1 推荐系统综述 | 第14-16页 |
| 2.1.1 推荐系统的概念 | 第14-15页 |
| 2.1.2 主流推荐系统的介绍 | 第15页 |
| 2.1.3 推荐系统的测评指标 | 第15-16页 |
| 2.2 Hadoop技术介绍 | 第16-19页 |
| 2.2.1 HDFS分布式文件系统 | 第16-18页 |
| 2.2.2 MapReduce编程 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 协同过滤算法的分析与改进 | 第20-28页 |
| 3.1 协同过滤算法的概念 | 第20-22页 |
| 3.1.1 基于用户的协同过滤算法 | 第21页 |
| 3.1.2 基于项目的协同过滤算法 | 第21-22页 |
| 3.2 算法的分析与改进 | 第22-25页 |
| 3.2.1 算法存在的不足 | 第23-24页 |
| 3.2.2 聚类处理 | 第24页 |
| 3.2.3 结合活跃度的协同过滤算法 | 第24-25页 |
| 3.3 实验及结果分析 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 系统的分析设计和实现 | 第28-48页 |
| 4.1 系统需求分析 | 第28-31页 |
| 4.1.1 系统功能需求 | 第29-30页 |
| 4.1.2 系统非功能需求 | 第30-31页 |
| 4.2 系统设计 | 第31-40页 |
| 4.2.1 推荐系统架构设计 | 第31-32页 |
| 4.2.2 系统功能详细设计 | 第32-38页 |
| 4.2.3 系统数据库设计 | 第38-40页 |
| 4.3 系统实现 | 第40-47页 |
| 4.3.1 系统环境配置 | 第40-46页 |
| 4.3.2 系统功能实现 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 系统测试与验证 | 第48-52页 |
| 5.1 系统性能测试 | 第48-49页 |
| 5.2 活跃度提升验证 | 第49-50页 |
| 5.3 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 研究生期间发表论文及参加科研情况说明 | 第56-58页 |
| 附录 | 第58-60页 |
| 附录一 APP推荐执行代码 | 第58-59页 |
| 附录二 APP推荐系统后台截图 | 第59-60页 |
| 致谢 | 第60页 |
