基于Hadoop的电影推荐系统研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 课题研究现状 | 第12-13页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13页 |
| 1.4 论文结构 | 第13-15页 |
| 第2章 Hadoop平台和SpringMVC框架 | 第15-25页 |
| 2.1 Hadoop平台 | 第15-20页 |
| 2.1.1 Hadoop简介 | 第15页 |
| 2.1.2 HDFS简介 | 第15-17页 |
| 2.1.3 HDFS的数据操作 | 第17-18页 |
| 2.1.4 MapReduce计算流程 | 第18-19页 |
| 2.1.5 MapReduce工作机制 | 第19-20页 |
| 2.2 SpringMVC框架 | 第20-23页 |
| 2.2.1 WEB服务 | 第20-21页 |
| 2.2.2 MVC设计模式 | 第21-22页 |
| 2.2.3 SpringMVC框架 | 第22-23页 |
| 2.3 其他 | 第23-24页 |
| 2.3.1 MySQL | 第23-24页 |
| 2.3.2 Tomcat | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 推荐系统理论研究 | 第25-37页 |
| 3.1 基于内容的推荐 | 第25-27页 |
| 3.2 基于关联规则的推荐 | 第27-28页 |
| 3.3 协同过滤推荐 | 第28-34页 |
| 3.4 算法选用 | 第34-35页 |
| 3.4.1 基于内容推荐优缺点 | 第34页 |
| 3.4.2 基于关联规则推荐优缺点 | 第34页 |
| 3.4.3 基于协同过滤优缺点 | 第34-35页 |
| 3.5 基于项目的协同过滤并行化 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 系统需求与设计 | 第37-48页 |
| 4.1 电影推荐系统的系统目标 | 第37页 |
| 4.2 需求分析 | 第37-41页 |
| 4.2.1 需求结构 | 第37-38页 |
| 4.2.2 业务需求 | 第38-40页 |
| 4.2.3 其他需求 | 第40-41页 |
| 4.3 数据库设计 | 第41-44页 |
| 4.3.1 逻辑设计 | 第41-42页 |
| 4.3.2 表设计 | 第42-44页 |
| 4.5 系统设计 | 第44-45页 |
| 4.6 功能模块的划分 | 第45-47页 |
| 4.6.1 推荐模块设计 | 第45-46页 |
| 4.6.2 用户交互模块设计 | 第46页 |
| 4.6.3 分布式系统模块设计 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第5章 实现与测试 | 第48-67页 |
| 5.1 系统环境搭建 | 第48-57页 |
| 5.1.1 SpringMVC环境搭建 | 第48-51页 |
| 5.1.2 Hadoop环境搭建 | 第51-55页 |
| 5.1.3 自动安装脚本实现 | 第55-57页 |
| 5.2 系统功能实现 | 第57-63页 |
| 5.2.1 推荐算法实现 | 第57-60页 |
| 5.2.2 用户相关模块实现 | 第60-62页 |
| 5.2.3 分布式系统相关模块实现 | 第62-63页 |
| 5.3 实验分析 | 第63-65页 |
| 5.3.1 实验介绍 | 第63页 |
| 5.3.2 实验评估方法 | 第63页 |
| 5.3.3 实验结果 | 第63-65页 |
| 5.4 系统测试与结果 | 第65-66页 |
| 5.4.1 测试环境 | 第65页 |
| 5.4.2 功能测试 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-68页 |
| 6.1 本文总结 | 第67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71页 |
