摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-17页 |
·研究背景与意义 | 第11-13页 |
·研究背景 | 第11-12页 |
·研究意义 | 第12-13页 |
·国内外研究现状 | 第13-15页 |
·推荐技术研究现状 | 第13-14页 |
·移动商务及其个性化研究现状 | 第14-15页 |
·主要研究内容 | 第15-16页 |
·本论文内容组织 | 第16-17页 |
第二章 构建智能终端云应用推荐引擎相关理论与技术研究 | 第17-29页 |
·推荐引擎一般模型 | 第17-18页 |
·基于用户行为分析的主流推荐技术 | 第18-22页 |
·基于内容的推荐技术 | 第18-19页 |
·基于人口统计学的推荐技术 | 第19-20页 |
·基于协同过滤的推荐技术 | 第20-22页 |
·基于用户的协同过滤 | 第20-21页 |
·基于项目协同过滤的推荐 | 第21-22页 |
·混合的推荐机制 | 第22页 |
·相关关键技术研究 | 第22-27页 |
·Hadoop | 第22-25页 |
·Hadoop 分布式文件系统——HDFS | 第22-24页 |
·MapReduce | 第24-25页 |
·Apache Mahout | 第25-27页 |
·智能终端云应用 | 第27-28页 |
·什么是智能终端云应用 | 第27页 |
·智能终端云应用的特点 | 第27-28页 |
·本章小结 | 第28-29页 |
第三章 推荐引擎模型及关键技术研究 | 第29-40页 |
·智能终端云应用推荐引擎所面对的问题 | 第29-30页 |
·推荐引擎模型 | 第30-35页 |
·应对策略 | 第30-31页 |
·体系结构 | 第31-32页 |
·主要组成部分 | 第32-35页 |
·访问接口 | 第35页 |
·分布式推荐算法研究 | 第35-39页 |
·Mahout 中基于项目的分布式协同过滤推荐构建方法 | 第35-37页 |
·Mahout 中基于项目的分布式协同过滤推荐存在的问题 | 第37页 |
·Mahout 中基于项目的分布式协同过滤推荐改进 | 第37-38页 |
·仿真实验及结果分析 | 第38-39页 |
·测量标准 | 第38-39页 |
·实验结果及分析 | 第39页 |
·本章小结 | 第39-40页 |
第四章 智能终端云应用推荐引擎平台需求分析 | 第40-47页 |
·推荐引擎平台的系统目标 | 第40页 |
·推荐引擎系统功能需求 | 第40-46页 |
·推荐引擎平台系统需求结构 | 第40-41页 |
·系统用例分析 | 第41-45页 |
·系统用例活动图 | 第45-46页 |
·系统非功能性需求 | 第46页 |
·本章小结 | 第46-47页 |
第五章 智能终端云应用推荐引擎设计 | 第47-64页 |
·推荐引擎系统架构设计 | 第47-48页 |
·系统应用架构 | 第48-49页 |
·系统总体功能设计 | 第49-50页 |
·系统数据库设计 | 第50-53页 |
·系统数据库逻辑设计 | 第50-51页 |
·数据库物理表设计 | 第51-53页 |
·系统功能实现的包结构设计 | 第53-54页 |
·在线推荐功能详细设计 | 第54-63页 |
·功能描述 | 第54-57页 |
·功能类图 | 第57-60页 |
·功能交互图 | 第60-62页 |
·功能组件 | 第62-63页 |
·本章小结 | 第63-64页 |
第六章 智能终端云应用推荐引擎实现与测试 | 第64-77页 |
·系统实现环境 | 第64-67页 |
·系统实现架构 | 第64-65页 |
·运行环境的软硬件需求 | 第65-66页 |
·集群运行环境配置 | 第66-67页 |
·系统开发文件结构组织 | 第67-68页 |
·系统功能实现 | 第68-73页 |
·分布式协同过滤的改进实现 | 第68-73页 |
·推荐界面展示 | 第73页 |
·系统测试与结果分析 | 第73-76页 |
·测试环境 | 第74页 |
·功能测试 | 第74-75页 |
·性能测试 | 第75-76页 |
·本章小结 | 第76-77页 |
第七章 总结与展望 | 第77-79页 |
·本文总结 | 第77-78页 |
·工作展望 | 第78-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-83页 |
攻读硕士期间取得的研究成果 | 第83-84页 |