大数据环境下改进推荐算法研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 推荐系统相关概念 | 第14-22页 |
| 2.1 推荐系统概述 | 第14-15页 |
| 2.2 常见的推荐算法 | 第15-20页 |
| 2.2.1 协同过滤 | 第15-17页 |
| 2.2.2 基于内容的推荐 | 第17-18页 |
| 2.2.3 基于关联规则推荐 | 第18-19页 |
| 2.2.4 组合推荐 | 第19-20页 |
| 2.3 推荐技术应用 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 Hadoop大数据处理平台 | 第22-33页 |
| 3.1 大数据 | 第22-27页 |
| 3.1.1 大数据的基本概念 | 第22-24页 |
| 3.1.2 大数据与传统数据库的比较 | 第24-25页 |
| 3.1.3 大数据的处理模式 | 第25-27页 |
| 3.2 Hadoop平台 | 第27-32页 |
| 3.2.1 HDFS文件系统 | 第29-30页 |
| 3.2.2 MapReduce计算框架 | 第30-31页 |
| 3.2.3 Hive工具 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 改进推荐算法研究 | 第33-42页 |
| 4.1 人口统计特征 | 第33-34页 |
| 4.2 信任机制 | 第34-36页 |
| 4.3 混合模型 | 第36-37页 |
| 4.4 实验与分析 | 第37-41页 |
| 4.4.1 实验数据与度量标准 | 第37-38页 |
| 4.4.2 实验与结果分析 | 第38-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于Hadoop平台的改进推荐算法 | 第42-50页 |
| 5.1 必要性与可行性分析 | 第42-43页 |
| 5.2 基于MapReduce改进原则 | 第43-44页 |
| 5.3 基于MapReduce的改进算法 | 第44-47页 |
| 5.4 实验与分析 | 第47-49页 |
| 5.4.1 实验环境与数据 | 第47-48页 |
| 5.4.2 实验与结果分析 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 在线书籍推荐系统设计 | 第50-57页 |
| 6.1 系统需求分析 | 第50-54页 |
| 6.1.1 系统框架 | 第52-53页 |
| 6.1.2 系统流程 | 第53-54页 |
| 6.2 系统实现 | 第54-55页 |
| 6.2.1 个性化推荐 | 第54-55页 |
| 6.2.2 热门排行榜 | 第55页 |
| 6.3 本章小结 | 第55-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 结论总结 | 第57页 |
| 7.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士期间取得的学术成果 | 第64-65页 |
| 致谢 | 第65页 |
