基于MAHOUT的几种推荐算法的组合实现与评测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题的研究背景 | 第10-11页 |
| 1.2 相关研究历史及现状 | 第11-12页 |
| 1.2.1 国外研究历史及应用现状 | 第11页 |
| 1.2.2 国内研究历史及应用现状 | 第11-12页 |
| 1.3 论文的研究内容和组织结构 | 第12-13页 |
| 第二章 相关技术综述 | 第13-16页 |
| 2.1 Hadoop分布式系统 | 第13-14页 |
| 2.1.1 Hdfs分布式文件系统 | 第13-14页 |
| 2.1.2 MapReduce编程模型 | 第14页 |
| 2.2 mahout机器学习算法库 | 第14页 |
| 2.3 maven项目管理框架 | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 推荐引擎 | 第16-35页 |
| 3.1 推荐引擎的技术原理 | 第16-17页 |
| 3.2 推荐系统分类及常用算法 | 第17-21页 |
| 3.3 推荐系统评测指标 | 第21-26页 |
| 3.4 MAHOUT协同过滤推荐引擎Taste | 第26-34页 |
| 3.4.1 mahout数据模型 | 第27-29页 |
| 3.4.2 mahout相似度算法 | 第29-32页 |
| 3.4.3 mahout近邻算法 | 第32-33页 |
| 3.4.4 mahout推荐器 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 MAHOUT协同过滤推荐算法实现 | 第35-50页 |
| 4.1 MAHOUT推荐引擎开发模型 | 第35-36页 |
| 4.2 实验策略综述 | 第36-39页 |
| 4.2.1 实验步骤 | 第36页 |
| 4.2.2 算法组合 | 第36-37页 |
| 4.2.3 算法评测标准 | 第37-39页 |
| 4.3 实验数据集 | 第39-40页 |
| 4.4 开发环境搭建 | 第40-42页 |
| 4.4.1 开发环境介绍 | 第40页 |
| 4.4.2 开发环境搭建过程 | 第40-42页 |
| 4.5 实验过程及分析 | 第42-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 总结和展望 | 第50-51页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
