基于流行度和用户偏好的推荐算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第2章 相关理论及技术介绍 | 第16-30页 |
| 2.1 推荐系统的工作原理 | 第16-22页 |
| 2.2 大数据相关介绍 | 第22-25页 |
| 2.3 Hadoop云平台介绍 | 第25-26页 |
| 2.4 物品流行度 | 第26-27页 |
| 2.5 用户偏好模型介绍 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 基于云模型改进推荐算法 | 第30-44页 |
| 3.1 云模型简介 | 第30-32页 |
| 3.2 云模型协同过滤推荐算法的详细实现 | 第32-33页 |
| 3.3 改进的云模型算法 | 第33-38页 |
| 3.3.1 物品流行度 | 第33-34页 |
| 3.3.2 用户对项目属性偏好 | 第34-38页 |
| 3.4 实验安排 | 第38-43页 |
| 3.4.1 实验数据 | 第39页 |
| 3.4.2 MovieLens数据集介绍 | 第39页 |
| 3.4.3 实验评价标准 | 第39-40页 |
| 3.4.4 实验设计 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于MapReduce的推荐算法 | 第44-64页 |
| 4.1 分布式文件系统HDFS | 第44-45页 |
| 4.2 MapReduce简介 | 第45-48页 |
| 4.3 推荐算法的并行化研究 | 第48-53页 |
| 4.3.1 基于项目的推荐算法并行化 | 第48-49页 |
| 4.3.2 基于用户偏好的推荐算法并行化研究 | 第49-53页 |
| 4.4 推荐算法的并行化实现 | 第53-62页 |
| 4.4.1 采集所用的网站 | 第53-54页 |
| 4.4.2 采集工具介绍 | 第54-55页 |
| 4.4.3 Hadoop环境的搭建 | 第55-59页 |
| 4.4.4 实验设计与安排 | 第59-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 研究总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间的研究成果 | 第72页 |
