基于组合算法的电子商务推荐系统的研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究意义和背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要内容和结构 | 第11-12页 |
| 2 推荐系统相关介绍 | 第12-24页 |
| 2.1 推荐系统简介 | 第12页 |
| 2.2 相关算法简介 | 第12-24页 |
| 2.2.1 基于内容的推荐算法 | 第13页 |
| 2.2.2 基于协同过滤的推荐算法 | 第13-18页 |
| 2.2.3 基于关联规则的推荐算法 | 第18-22页 |
| 2.2.4 组合算法 | 第22-24页 |
| 3 Hadoop相关技术介绍 | 第24-34页 |
| 3.1 Hadoop的相关简介 | 第24-26页 |
| 3.2 MapReduce任务处理 | 第26-30页 |
| 3.2.1 MapReduce的工作机制 | 第27-29页 |
| 3.2.2 MapReduce任务处理过程 | 第29-30页 |
| 3.3 HDFS简介 | 第30-32页 |
| 3.3.1 数据块 | 第30-31页 |
| 3.3.2 HDFS架构 | 第31-32页 |
| 3.3.3 HDFS数据存放 | 第32页 |
| 3.4 HBase简介 | 第32-34页 |
| 3.4.1 HBase与MapReduce的整合 | 第32页 |
| 3.4.2 HBase的数据存储方式 | 第32-34页 |
| 4 基于组合的推荐算法 | 第34-44页 |
| 4.1 组合推荐算法的提出 | 第34页 |
| 4.2 组合推荐算法的分类 | 第34-36页 |
| 4.2.1 推荐系统框架组合 | 第35页 |
| 4.2.2 推荐算法组合 | 第35-36页 |
| 4.3 组合算法的实现 | 第36-42页 |
| 4.3.1 协同过滤算法 | 第36-40页 |
| 4.3.2 关联规则算法 | 第40-42页 |
| 4.4 组合推荐算法的流程与步骤 | 第42-44页 |
| 5 基于MapReduce的组合推荐算法 | 第44-50页 |
| 5.1 分布式可行性分析 | 第44页 |
| 5.2 基于MapReduce的协同过滤算法 | 第44-49页 |
| 5.3 本章小结 | 第49-50页 |
| 6 实验测试与结果分析 | 第50-55页 |
| 6.1 数据集 | 第50-51页 |
| 6.2 评测标准 | 第51-53页 |
| 6.2.1 预测评分的准确度 | 第51-52页 |
| 6.2.2 召回率和准确率 | 第52-53页 |
| 6.3 实验环境和实验设计 | 第53页 |
| 6.4 实验结果及分析 | 第53-55页 |
| 7 结论 | 第55-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文 | 第61-62页 |
| 致谢 | 第62-64页 |
