| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究背景及目标 | 第8-9页 |
| 1.1.1 背景 | 第8-9页 |
| 1.1.2 研究目的 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 数字图书馆研究现状 | 第9-10页 |
| 1.2.2 Hadoop大数据技术简介及研究现状 | 第10-11页 |
| 1.2.3 C | 第11页 |
| 1.2.4 图书馆读者兴趣分析与导向研究现状 | 第11-12页 |
| 1.3 本文主要创新点 | 第12-13页 |
| 第2章 Hadoop分布式系统框架简介 | 第13-17页 |
| 2.1 Hadoop介绍 | 第13页 |
| 2.2 HDFS分布式文件系统 | 第13-14页 |
| 2.3 MapReduce分布式计算框架 | 第14-16页 |
| 2.4 小结 | 第16-17页 |
| 第3章 基于大数据的图书推荐系统研究 | 第17-21页 |
| 3.1 推荐系统简介 | 第17页 |
| 3.2 推荐系统与大数据概述 | 第17-18页 |
| 3.3 图书馆管理系统现状及大数据的应用 | 第18-19页 |
| 3.4 Web日志 | 第19页 |
| 3.5 本章小结 | 第19-21页 |
| 第4章 图书馆读者兴趣分析与导向系统的设计与实现 | 第21-32页 |
| 4.1 系统设计目标 | 第21-22页 |
| 4.2 系统总体设计 | 第22-24页 |
| 4.2.1 系统分层设计 | 第22-23页 |
| 4.2.2 系统的功能模块设置 | 第23-24页 |
| 4.2.3 系统架构设计 | 第24页 |
| 4.3 图书资源访问来源分析功能的设计与实现 | 第24-27页 |
| 4.3.1 日志汇总分析 | 第25页 |
| 4.3.2 IP地址映射 | 第25-26页 |
| 4.3.3 数据汇总与报表生成 | 第26-27页 |
| 4.4 读者兴趣分析与导向模块的实现 | 第27-30页 |
| 4.4.1 基于读者的协同过滤算法UserCF | 第28页 |
| 4.4.2 基于物品的协同过滤算法ItemCF | 第28-29页 |
| 4.4.3 算法模型：Hadoop并行算法 | 第29-30页 |
| 4.4.4 核心代码实现 | 第30页 |
| 4.5 用户登录与资源推介设计 | 第30-31页 |
| 4.5.1 模拟登陆 | 第30-31页 |
| 4.5.2 模拟搜索 | 第31页 |
| 4.5.3 推介列表显示 | 第31页 |
| 4.6 本章小结 | 第31-32页 |
| 第5章 模型测试与分析 | 第32-40页 |
| 5.1 运行环境配置 | 第32-36页 |
| 5.1.1 Microsoft Visual Studio 2015环境搭建 | 第32-34页 |
| 5.1.2 安装Hadoop开发环境 | 第34-36页 |
| 5.1.3 Microsoft Azure | 第36页 |
| 5.1.4 Microsoft Azure的优越性 | 第36页 |
| 5.2 访问来源模块测试与分析 | 第36-38页 |
| 5.3 个性化推荐模块测试与分析 | 第38-39页 |
| 5.4 本章小结 | 第39-40页 |
| 第6章 结论 | 第40-43页 |
| 6.1 全文总结 | 第40-42页 |
| 6.2 不足与研究展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 作者简介 | 第46页 |
| 攻读硕士学位期间研究成果 | 第46页 |