| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 本文研究内容及现状 | 第11-13页 |
| 1.4 论文章节安排 | 第13-14页 |
| 2 相关理论 | 第14-21页 |
| 2.1 相似度的计算 | 第14-16页 |
| 2.2 艾宾浩斯遗忘曲线 | 第16-17页 |
| 2.3 拉普拉斯平滑原理 | 第17-18页 |
| 2.4 Hadoop分布式计算平台 | 第18-20页 |
| 2.4.1 HDFS分布式文件系统 | 第18-19页 |
| 2.4.2 MapReduce并行编程模型 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 基于时间信息与项目多权值的SlopeOne推荐算法 | 第21-31页 |
| 3.1 SlopeOne算法 | 第21-24页 |
| 3.1.1 加权的SlopeOne算法(WeightedSlopeOne) | 第23页 |
| 3.1.2 基于双极性的SlopeOne算法(Bi-PolarSlopeOne) | 第23-24页 |
| 3.2 基于改进时间信息的SlopeOne算法 | 第24-25页 |
| 3.3 基于改进项目相似性的SlopeOne算法 | 第25-27页 |
| 3.4 基于改进项目类别相似度的SlopeOne算法 | 第27-29页 |
| 3.5 融合时间信息与项目多权值的SlopeOne算法 | 第29页 |
| 3.6 本章小结 | 第29-31页 |
| 4 基于MapReduce的SlopeOne及其改进算法实现 | 第31-44页 |
| 4.1 算法输入注意事项 | 第31-32页 |
| 4.2 算法步骤 | 第32-33页 |
| 4.3 SlopeOne推荐算法的MapReduce实现 | 第33-36页 |
| 4.4 基于改进项目多权值的SlopeOne算法的MapReduce实现 | 第36-39页 |
| 4.5 基于时间信息的SlopeOne算法的MapReduce实现 | 第39-41页 |
| 4.6 融合时间与项目多权值的SlopeOne算法的MapReduce实现 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 5 实验与结果分析 | 第44-52页 |
| 5.1 实验环境 | 第44页 |
| 5.2 实验数据集 | 第44-45页 |
| 5.3 算法评价指标 | 第45-46页 |
| 5.4 改进的SlopeOne算法预测精度的对比 | 第46-50页 |
| 5.5 Hadoop环境下改进算法的运行效率 | 第50-51页 |
| 5.6 本章小结 | 第51-52页 |
| 6 总结和展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历、在学期间发表的学术论文与参与项目 | 第58页 |
