| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-12页 |
| 第二章 相关技术 | 第12-24页 |
| 2.1 协同过滤推荐算法概述 | 第12-19页 |
| 2.1.1 基于内存的协同过滤 | 第12-15页 |
| 2.1.2 基于模型的协同过滤 | 第15-18页 |
| 2.1.3 混合的协同过滤推荐算法 | 第18页 |
| 2.1.4 目前存在的问题 | 第18-19页 |
| 2.2 标签技术 | 第19-20页 |
| 2.2.1 标签系统概述 | 第19-20页 |
| 2.2.2 标签的主要特点 | 第20页 |
| 2.3 聚类技术 | 第20-21页 |
| 2.4 HDP和MapReduce并行编程 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 冷启动问题的分布式协同过滤推荐 | 第24-40页 |
| 3.1 引言 | 第24-25页 |
| 3.2 相关解决方案 | 第25-26页 |
| 3.3 算法分析 | 第26-28页 |
| 3.4 基于标签与两方向聚类的协同过滤推荐算法 | 第28-34页 |
| 3.4.1 数据预处理 | 第28页 |
| 3.4.2 标签聚类 | 第28-30页 |
| 3.4.3 评分矩阵构造 | 第30-33页 |
| 3.4.4 推荐过程 | 第33-34页 |
| 3.5 MapReduce分布式并行计算框架 | 第34-38页 |
| 3.5.1 聚类分析过程的Mapper和Reducer | 第34-36页 |
| 3.5.2 推荐过程的Mapper和Reducer | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 实验与分析 | 第40-56页 |
| 4.1 系统实现 | 第40-42页 |
| 4.1.1 用户交互 | 第41页 |
| 4.1.2 内部计算 | 第41-42页 |
| 4.2 实验数据及实验环境 | 第42-44页 |
| 4.2.1 实验数据 | 第42-44页 |
| 4.2.2 实验环境 | 第44页 |
| 4.3 评价方法 | 第44-45页 |
| 4.3.1 MAE和RMSE | 第44页 |
| 4.3.2 准确率和召回率 | 第44-45页 |
| 4.3.3 覆盖率 | 第45页 |
| 4.3.4 加速比 | 第45页 |
| 4.4 实验设计 | 第45-46页 |
| 4.5 实验结果 | 第46-54页 |
| 4.5.1 参数的选择 | 第46-47页 |
| 4.5.2 冷启动用户 | 第47-50页 |
| 4.5.3 冷启动项目 | 第50-52页 |
| 4.5.4 基于MapReduce的算法效率分析 | 第52-54页 |
| 4.6 本章小结 | 第54-56页 |
| 第五章 结束语 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间主要的研究成果 | 第63-64页 |
| 致谢 | 第64页 |