| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 协同过滤算法的研究现状 | 第9-11页 |
| 1.2.1 推荐算法介绍 | 第9-10页 |
| 1.2.2 协同过滤算法的研究现状 | 第10页 |
| 1.2.3 协同过滤算法与Hadoop的现状 | 第10-11页 |
| 1.2.4 协同过滤算法与Mahout的现状 | 第11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 基于Hadoop的协同过滤算法相关技术综述 | 第14-26页 |
| 2.1 协同过滤算法简介 | 第14-16页 |
| 2.1.1 基于项目的协同过滤推荐（IBCF） | 第14页 |
| 2.1.2 基于用户的协同过滤推荐（UBCF） | 第14-15页 |
| 2.1.3 基于项目的协同过滤算法的推荐流程 | 第15-16页 |
| 2.2 Hadoop平台及其框架 | 第16-18页 |
| 2.2.1 Hadoop平台基本架构 | 第16-17页 |
| 2.2.2 分布式文件管理系统HDFS | 第17页 |
| 2.2.3 Map Reduce | 第17-18页 |
| 2.3 Mahout框架 | 第18-25页 |
| 2.3.1 Mahout与Hadoop的联系 | 第20-21页 |
| 2.3.2 Mahout中推荐器各作业的活动 | 第21-23页 |
| 2.3.3 Mahout中基于项目的协同过滤推荐算法 | 第23-25页 |
| 2.4 算法评价指标 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 综合项目相似度的计算 | 第26-35页 |
| 3.1 综合项目特征相似度的算法 | 第26-27页 |
| 3.2 项目特征相似度模块分析与设计 | 第27-29页 |
| 3.3 项目评分相似度模块分析与设计 | 第29-31页 |
| 3.4 综合项目相似度模块分析与设计 | 第31-34页 |
| 3.4.1 综合项目相似度计算的Map函数 | 第32-33页 |
| 3.4.2 综合项目相似度计算的Reduce函数 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 训练模块与推荐模块分析与设计 | 第35-43页 |
| 4.1 训练模块 | 第35-40页 |
| 4.1.1 设置项目评分相似度权重 | 第35页 |
| 4.1.2 建立项目评分、项目特征矩阵和计算综合相似度 | 第35-36页 |
| 4.1.3 预测评分前的向量相乘预处理 | 第36-37页 |
| 4.1.4 预测评分并评估MAE | 第37-40页 |
| 4.2 推荐模块 | 第40-42页 |
| 4.2.1 向量相乘预处理 | 第40页 |
| 4.2.2 生成推荐 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 原型实现 | 第43-47页 |
| 5.1 实验环境 | 第43页 |
| 5.2 实验数据 | 第43-45页 |
| 5.2.1 用户-项目评分数据 | 第43-44页 |
| 5.2.2 项目特征数据 | 第44-45页 |
| 5.3 MAE评估实验界面展示 | 第45-46页 |
| 5.4 推荐界面展示 | 第46页 |
| 5.5 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-48页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录 程序清单 | 第51-53页 |
| 致谢 | 第53页 |
