| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究课题背景 | 第9-10页 |
| ·国内外现状 | 第10-11页 |
| ·研究内容 | 第11-12页 |
| ·本文组织结构 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 相关技术理论 | 第13-23页 |
| ·Hadoop分布式平台 | 第13-17页 |
| ·分布式文件系统HDFS | 第13-14页 |
| ·MapReduce并行编程模型 | 第14-17页 |
| ·推荐系统和推荐算法 | 第17-22页 |
| ·用户建模模块 | 第17-18页 |
| ·推荐对象的建模 | 第18页 |
| ·推荐算法 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 3 常用的文本分类方法的研究 | 第23-35页 |
| ·多种分类算法的简介 | 第23-26页 |
| ·Page Rank算法TextRank算法 | 第23-25页 |
| ·kNN算法 | 第25-26页 |
| ·互信息 | 第26页 |
| ·传统的TF-IDF算法 | 第26-30页 |
| ·TF-IDF算法简介 | 第26-29页 |
| ·TF-IWF算法 | 第29-30页 |
| ·改进后的TF-IDF算法——TF-DFI-DFO算法 | 第30-31页 |
| ·TF-IDF算法的缺点 | 第30页 |
| ·TF-IDF算法的改进 | 第30-31页 |
| ·实验对比 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 4 好友推荐系统的设计与实现 | 第35-49页 |
| ·系统架构 | 第35页 |
| ·数据采集 | 第35-41页 |
| ·新浪API简介 | 第35-36页 |
| ·微博数据抓取 | 第36-39页 |
| ·获取用户信息 | 第39-41页 |
| ·数据处理 | 第41-42页 |
| ·分词过程 | 第41-42页 |
| ·文档分词 | 第42页 |
| ·推荐决策 | 第42-48页 |
| ·TF-DFI-DFO算法MapReduce化过程 | 第42-47页 |
| ·核心算法的模块设计 | 第47-48页 |
| ·文本相似性计算-向量空间模型 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 好友推荐系统实验 | 第49-57页 |
| ·实验环境 | 第49-50页 |
| ·hadoop集群配置 | 第50-52页 |
| ·TF-DFI-DFO算法MapReduce化实验 | 第52-53页 |
| ·实验结果分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者攻读学位期间发表学术论文清单 | 第63-65页 |
| 致谢 | 第65页 |
