基于Hadoop的电子商务推荐系统的设计与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-17页 |
| 第2章 电子商务推荐系统概述及相关技术介绍 | 第17-29页 |
| 2.1 电子商务推荐系统概述 | 第17-21页 |
| 2.1.1 电子商务推荐系统一般模型 | 第17-19页 |
| 2.1.2 常见推荐算法 | 第19-21页 |
| 2.2 Hadoop分布式平台 | 第21-26页 |
| 2.2.1 分布式文件系统HDFS | 第22-24页 |
| 2.2.2 分布式计算框架MapReduce | 第24-25页 |
| 2.2.3 资源管理系统YARN | 第25-26页 |
| 2.3 Apache Mahout | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 四种推荐算法介绍和并行化实现 | 第29-45页 |
| 3.1 基于用户的协同过滤推荐算法 | 第29-32页 |
| 3.2 基于物品的协同过滤推荐算法 | 第32页 |
| 3.3 Slope-One推荐算法 | 第32-33页 |
| 3.4 算法评估指标 | 第33-35页 |
| 3.4.1 评分预测 | 第33-34页 |
| 3.4.2 查准率和查全率 | 第34-35页 |
| 3.4.3 覆盖率 | 第35页 |
| 3.5 基于Hadoop实现分布式推荐算法 | 第35-42页 |
| 3.5.1 基于用户的分布式推荐算法实现 | 第36-39页 |
| 3.5.2 基于物品的分布式推荐算法实现 | 第39-40页 |
| 3.5.3 Slope-One分布式推荐算法实现 | 第40-42页 |
| 3.6 数据稀疏性问题和解决方案 | 第42-43页 |
| 3.7 本章小结 | 第43-45页 |
| 第4章 基于Hadoop的电子商务推荐引擎实现 | 第45-59页 |
| 4.1 集群节点部署和网络拓扑 | 第45-47页 |
| 4.2 推荐系统架构搭建和页面展示 | 第47-54页 |
| 4.2.1 Hadoop集群的搭建和部署 | 第48-49页 |
| 4.2.2 推荐系统功能总体设计 | 第49-50页 |
| 4.2.3 数据存储的设计与实现 | 第50-51页 |
| 4.2.4 用户界面设计和效果展示 | 第51-54页 |
| 4.3 推荐效果评估和算法对比研究 | 第54-57页 |
| 4.3.1 算法组合 | 第54-55页 |
| 4.3.2 实验过程分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文总结 | 第59页 |
| 5.2 工作展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间取得的科研成果 | 第69页 |
