| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 论文结构 | 第12-13页 |
| 第2章 研究现状 | 第13-30页 |
| 2.1 推荐系统 | 第13-17页 |
| 2.1.1 算法分类 | 第13-16页 |
| 2.1.2 评价指标 | 第16-17页 |
| 2.2 协同过滤 | 第17-24页 |
| 2.2.1 算法内容 | 第17-20页 |
| 2.2.2 算法分类 | 第20-23页 |
| 2.2.3 算法特点 | 第23-24页 |
| 2.3 协同过滤算法面临的问题 | 第24-26页 |
| 2.3.1 评分稀疏 | 第24-25页 |
| 2.3.2 可扩展性 | 第25-26页 |
| 2.4 分布式计算 | 第26-30页 |
| 2.4.1 Hadoop概述 | 第26-27页 |
| 2.4.2 Hadoop的Mapreduce编程模型 | 第27-28页 |
| 2.4.3 Hadoop的分布式文件系统 | 第28-29页 |
| 2.4.4 Hbase分布式存储系统 | 第29页 |
| 2.4.5 Hive数据仓库 | 第29-30页 |
| 第3章 基于社区发现的协同过滤算法 | 第30-44页 |
| 3.1 引言 | 第30-31页 |
| 3.2 算法描述 | 第31-34页 |
| 3.2.1 符号简介 | 第31-32页 |
| 3.2.2 社区划分 | 第32-33页 |
| 3.2.3 个性化推荐 | 第33-34页 |
| 3.3 实验 | 第34-44页 |
| 3.3.1 数据集 | 第34-35页 |
| 3.3.2 实验结果 | 第35-44页 |
| 第4章 基于HADOOP的协同过滤算法 | 第44-58页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于物品相似性的协同过滤算法的Mapreduce实现 | 第45-49页 |
| 4.3 基于社区发现的协同过滤算法的Mapreduce实现 | 第49-54页 |
| 4.4 实验 | 第54-58页 |
| 4.4.1 数据准备 | 第54-55页 |
| 4.4.2 实验结果 | 第55-58页 |
| 总结及展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读学位期间发表论文与研究成果清单 | 第65-66页 |
| 致谢 | 第66页 |
