| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7-9页 |
| ·研究现状 | 第9-10页 |
| ·研究内容 | 第10页 |
| ·论文组织结构 | 第10-12页 |
| 第二章 相关技术概述 | 第12-23页 |
| ·协同过滤推荐技术 | 第12-15页 |
| ·基于user的协同过滤 | 第12-14页 |
| ·基于item的协同过滤 | 第14页 |
| ·两种算法各自的适用场景 | 第14-15页 |
| ·Mahout | 第15-16页 |
| ·Hadoop与MapReduce | 第16-18页 |
| ·MapReduce编程框架介绍 | 第18-21页 |
| ·RCP SWT JFace JFreeChart | 第21-23页 |
| 第三章 推荐系统框架 | 第23-26页 |
| ·需求分析 | 第23-24页 |
| ·功能总体设计 | 第24-26页 |
| 第四章 推荐系统的研究与实现 | 第26-58页 |
| ·基于Mahout的推荐引擎的研究与实现 | 第26-36页 |
| ·数据建模方法 | 第26-28页 |
| ·基于user协同过滤的实现 | 第28-32页 |
| ·基于item协同过滤的实现 | 第32-33页 |
| ·登录模块设计 | 第33-34页 |
| ·推荐结果的展示 | 第34-36页 |
| ·当前系统存在的问题和改进方案 | 第36页 |
| ·基于MapReduce的并行计算相似度算法的实现 | 第36-51页 |
| ·Hadoop集群的搭建与部署 | 第36-37页 |
| ·基于HDFS实现对数据的存储 | 第37-46页 |
| ·利用MapReduce并行计算相似度 | 第46-49页 |
| ·运算结果写入关系型数据库 | 第49-50页 |
| ·群集性能的优化 | 第50-51页 |
| ·评估方法研究与评估结果的可视化 | 第51-58页 |
| ·评估方法介绍 | 第51-52页 |
| ·评估模块的实现 | 第52-58页 |
| 第五章 总结及展望 | 第58-59页 |
| ·文章总结 | 第58页 |
| ·研究展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |