| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 关联规则在国内外研究现状 | 第13-14页 |
| 1.2.2 推荐系统在国内外研究现状 | 第14-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-24页 |
| 2.1 数据挖掘概述 | 第17-18页 |
| 2.1.1 数据挖掘的概念 | 第17页 |
| 2.1.2 数据挖掘的过程 | 第17-18页 |
| 2.2 关联规则概述 | 第18-19页 |
| 2.2.1 关联规则的概念 | 第18-19页 |
| 2.2.2 关联规则挖掘的过程 | 第19页 |
| 2.3 Hadoop分布式计算框架 | 第19-23页 |
| 2.3.1 Had oop简介 | 第19-20页 |
| 2.3.2 MapReduce的原理和特性 | 第20-22页 |
| 2.3.3 HDFS的原理和特性 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 频繁模式挖掘算法研究 | 第24-37页 |
| 3.1 频繁模式挖掘算法Apriori | 第24-27页 |
| 3.1.1 Apriori算法思想 | 第24页 |
| 3.1.2 Apriori算法描述 | 第24-26页 |
| 3.1.3 Aprrori算法实例说明 | 第26-27页 |
| 3.1.4 Apriori算法瓶颈 | 第27页 |
| 3.2 频繁模式挖掘算法FP-growth | 第27-31页 |
| 3.2.1 FP-growth算法思想 | 第27-28页 |
| 3.2.2 FP-growth算法描述 | 第28-29页 |
| 3.2.3 FP-growth算法实例说明 | 第29-30页 |
| 3.2.4 FP-growth算法瓶颈 | 第30-31页 |
| 3.3 并行频繁模式挖掘算法 | 第31-34页 |
| 3.4 算法比较 | 第34-36页 |
| 3.4.1 实验数据 | 第34页 |
| 3.4.2 实验结果 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于并行频繁模式挖掘算法的博客推荐系统的设计 | 第37-49页 |
| 4.1 系统总体设计 | 第37-41页 |
| 4.1.1 平台和B/S架构 | 第37页 |
| 4.1.2 系统结构 | 第37-41页 |
| 4.2 系统功能设计 | 第41-47页 |
| 4.2.1 用户管理模块 | 第41-43页 |
| 4.2.2 频繁模式挖掘算法运行模块 | 第43-45页 |
| 4.2.3 博客管理模块 | 第45-47页 |
| 4.3 数据库设计 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于并行频繁模式挖掘算法的博客推荐系统的实现 | 第49-63页 |
| 5.1 环境搭建 | 第49-50页 |
| 5.2 数据准备 | 第50-51页 |
| 5.3 数据离线挖掘结果 | 第51-52页 |
| 5.4 个性化推荐算法 | 第52-56页 |
| 5.4.1 算法思想 | 第52-53页 |
| 5.4.2 算法描述 | 第53-54页 |
| 5.4.3 算法伪代码 | 第54-55页 |
| 5.4.4 算法模型评价 | 第55-56页 |
| 5.5 万系统功能的实现 | 第56-62页 |
| 5.5.1 用户管理模块的实现 | 第56-58页 |
| 5.5.2 频繁项集算法运行模块的实现 | 第58-61页 |
| 5.5.3 博客管理模块的实现 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |