| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 推荐技术研究现状 | 第12-13页 |
| 1.2.2 推荐系统应用发展 | 第13-14页 |
| 1.3 本文主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 相关技术研究 | 第16-30页 |
| 2.1 协同过滤算法 | 第16-22页 |
| 2.1.1 基于用户的协同过滤算法 | 第16-18页 |
| 2.1.2 基于项目的协同过滤算法 | 第18-20页 |
| 2.1.3 Slope One算法 | 第20-22页 |
| 2.2 相似度度量 | 第22-24页 |
| 2.2.1 余弦相似性度量 | 第22-23页 |
| 2.2.2 欧氏距离相似性 | 第23页 |
| 2.2.3 Pearson相关系数 | 第23-24页 |
| 2.3 大数据处理平台 | 第24-29页 |
| 2.3.1 MapReduce编程模型 | 第26-27页 |
| 2.3.2 分布式文件系统HDFS | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 混合协同过滤推荐算法设计 | 第30-51页 |
| 3.1 基于用户相似度的Slope One协同过滤算法 | 第30-38页 |
| 3.1.1 问题描述与算法思想 | 第30-31页 |
| 3.1.2 动态阈值查找用户最近邻 | 第31-32页 |
| 3.1.3 算法设计 | 第32-38页 |
| 3.2 混合协同过滤算法并行化 | 第38-43页 |
| 3.3 实验结果与分析 | 第43-50页 |
| 3.3.1 实验数据 | 第43页 |
| 3.3.2 推荐质量度量标准 | 第43-45页 |
| 3.3.3 实验结果分析 | 第45-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 电影推荐系统设计与实现 | 第51-63页 |
| 4.1 系统需求分析 | 第51-52页 |
| 4.2 系统设计 | 第52-56页 |
| 4.2.1 系统架构设计 | 第52-53页 |
| 4.2.2 系统功能模块设计 | 第53-54页 |
| 4.2.3 系统数据库设计 | 第54-56页 |
| 4.3 推荐系统实现 | 第56-62页 |
| 4.3.1 系统实现环境 | 第56-57页 |
| 4.3.2 系统功能实现 | 第57-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 结论与展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |