| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略词表 | 第14-16页 |
| 第一章 绪论 | 第16-23页 |
| 1.1 研究工作的背景和意义 | 第16-17页 |
| 1.2 国内外研究历史与现状 | 第17-21页 |
| 1.2.1 在工业上的应用 | 第17-19页 |
| 1.2.2 理论研究现状 | 第19-21页 |
| 1.3 主要研究内容 | 第21-22页 |
| 1.4 本文结构安排 | 第22-23页 |
| 第二章 推荐算法和大数据技术综述 | 第23-38页 |
| 2.1 引言 | 第23页 |
| 2.2 推荐系统分类 | 第23-24页 |
| 2.3 推荐系统的基本知识和数据来源 | 第24-26页 |
| 2.4 相似度的衡量标准 | 第26-29页 |
| 2.4.1 余弦相似度 | 第27页 |
| 2.4.2 Jacobi系数 | 第27-28页 |
| 2.4.3 皮尔逊相关系数 | 第28-29页 |
| 2.5 对推荐系统的优劣标准 | 第29-30页 |
| 2.5.1 推荐列表准确率的评估 | 第29-30页 |
| 2.5.2 其他衡量推荐系统的指标 | 第30页 |
| 2.6 基于内容的推荐系统 | 第30-31页 |
| 2.7 协同过滤推荐系统 | 第31-34页 |
| 2.7.1 基于内存的协同过滤推荐系统 | 第31-33页 |
| 2.7.2 基于模型的协同过滤推荐系统 | 第33-34页 |
| 2.8 混合推荐系统 | 第34-35页 |
| 2.9 Hadoop平台 | 第35-38页 |
| 2.9.1 Map Reduce | 第36页 |
| 2.9.2 Hadoop的限制和弱点 | 第36-38页 |
| 第三章 协同过滤推荐算法改进研究 | 第38-43页 |
| 3.1 引言 | 第38页 |
| 3.2 对基于内存的协同过滤的改进研究 | 第38-41页 |
| 3.2.1 对皮尔逊系数的改进 | 第38页 |
| 3.2.2 加入TF-IDF | 第38-39页 |
| 3.2.3 对相似度低的用户或项目进行惩罚 | 第39页 |
| 3.2.4 采用Weighted Slope One算法改进性能 | 第39-41页 |
| 3.3 对基于模型的协同过滤的改进研究 | 第41-42页 |
| 3.3.1 应用Regularized SVD改进性能 | 第41-42页 |
| 3.3.2 应用非负矩阵因式分解改进性能 | 第42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 协同过滤推荐系统算法实验 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 实验度量标准 | 第43-44页 |
| 4.3 实验环境和数据 | 第44-46页 |
| 4.3.1 实验环境 | 第44-45页 |
| 4.3.2 数据源 | 第45页 |
| 4.3.3 实验数据的表示 | 第45-46页 |
| 4.4 训练数据和测试数据的分隔方式 | 第46-47页 |
| 4.5 实验方案和分析 | 第47-58页 |
| 4.5.1 实验目标算法及其设置 | 第47页 |
| 4.5.2 基准实验 | 第47-48页 |
| 4.5.3 实验一：性能比较 | 第48-49页 |
| 4.5.4 实验二：推荐质量比较 | 第49-50页 |
| 4.5.5 实验三：皮尔逊系数与余弦相似度的比较 | 第50-51页 |
| 4.5.6 实验四：邻居域大小的比较一 | 第51-52页 |
| 4.5.7 实验五：邻居域大小比较二 | 第52-53页 |
| 4.5.8 实验六：训练测试数据比 | 第53-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 基于Hadoop架构的协同过滤推荐系统的设计与实现 | 第59-74页 |
| 5.1 引言 | 第59页 |
| 5.2 基于项目的协同过滤计算的Map Reduce | 第59-63页 |
| 5.2.1 为每个项目计算平均值 | 第61页 |
| 5.2.2 计算项目间的相似性 | 第61-62页 |
| 5.2.3 计算预测评分矩阵 | 第62-63页 |
| 5.3 推荐流程设计 | 第63-64页 |
| 5.4 推荐系统架构 | 第64-65页 |
| 5.5 推荐系统的实现 | 第65-66页 |
| 5.5.1 数据抽取模块 | 第65页 |
| 5.5.2 数据解析模块 | 第65-66页 |
| 5.5.3 数据推荐模块 | 第66页 |
| 5.6 推荐系统性能与分析 | 第66-73页 |
| 5.6.1 系统环境 | 第66页 |
| 5.6.2 数据来源 | 第66-69页 |
| 5.6.3 运行结果 | 第69-73页 |
| 5.7 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本文研究工作总结 | 第74-75页 |
| 6.2 研究工作建议和设想 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻硕期间取得的研究成果 | 第82-83页 |
