| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 选题背景和意义 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-12页 |
| 1.3 本文主要研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第2章 大数据与协同过滤推荐算法概述 | 第14-28页 |
| 2.1 大数据概述 | 第14-19页 |
| 2.1.1 大数据的概念 | 第14页 |
| 2.1.2 大数据的来源 | 第14-15页 |
| 2.1.3 大数据的特点 | 第15-16页 |
| 2.1.4 大数据时代的典型技术 | 第16-19页 |
| 2.2 推荐算法概述 | 第19-21页 |
| 2.2.1 推荐算法的概念 | 第19页 |
| 2.2.2 常用的推荐算法 | 第19-20页 |
| 2.2.3 各推荐算法的应用 | 第20-21页 |
| 2.3 协同过滤推荐算法概述 | 第21-27页 |
| 2.3.1 工作原理 | 第21-23页 |
| 2.3.2 分类介绍 | 第23-26页 |
| 2.3.3 面临问题 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于时间和共同评分的混合协同过滤算法研究 | 第28-33页 |
| 3.1 数据稀疏问题的分析 | 第28-29页 |
| 3.2 时间和共同评分混合协同过滤算法 | 第29-32页 |
| 3.2.1 时间因子 | 第29-30页 |
| 3.2.2 共同评分项目加权函数 | 第30页 |
| 3.2.3 算法描述 | 第30-32页 |
| 3.3 算法优劣对比 | 第32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于BiasSVD和聚类用户最近邻的协同过滤推荐算法研究 | 第33-41页 |
| 4.1 可扩展性问题的分析 | 第33-34页 |
| 4.2 BiasSVD和聚类用户最近邻协同过滤算法 | 第34-39页 |
| 4.2.1 BiasSVD | 第34-36页 |
| 4.2.2 聚类用户最近邻 | 第36-37页 |
| 4.2.3 算法描述 | 第37-39页 |
| 4.3 算法优劣对比 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 实验与分析 | 第41-48页 |
| 5.1 Hadoop集群环境 | 第41页 |
| 5.2 数据集 | 第41-42页 |
| 5.3 实验评价标准 | 第42页 |
| 5.4 实验结果与分析 | 第42-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 工作总结 | 第48页 |
| 6.2 未来研究工作展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-56页 |
| 在学期间的科研情况 | 第56页 |