基于分布式计算的新型协同过滤算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·本文研究内容及组织结构 | 第10-11页 |
| ·研究内容 | 第10页 |
| ·组织结构 | 第10-11页 |
| ·本章小结 | 第11-13页 |
| 第二章 基本理论与相关技术 | 第13-31页 |
| ·个性化推荐技术 | 第13-22页 |
| ·个性化推荐技术概要介绍 | 第13-14页 |
| ·个性化推荐技术的分类 | 第14-21页 |
| ·个性化推荐技术现存问题 | 第21-22页 |
| ·协同过滤算法分析 | 第22-27页 |
| ·基于用户的协同过滤推荐 | 第22-23页 |
| ·基于项目的协同过滤推荐 | 第23-25页 |
| ·Slope One 协同过滤算法 | 第25-26页 |
| ·其它协同过滤算法 | 第26-27页 |
| ·分布式计算 | 第27-30页 |
| ·Hadoop 概述 | 第28页 |
| ·Hadoop 的 MapReduce 编程模型 | 第28-29页 |
| ·Hadoop 的分布式文件系统 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于分布式计算的新型协同过滤算法 | 第31-43页 |
| ·基于项目和用户相似性的协同过滤算法 | 第31-37页 |
| ·问题描述 | 第31-32页 |
| ·算法描述 | 第32-33页 |
| ·算法设计 | 第33-37页 |
| ·基于分布式计算的协同过滤算法 | 第37-41页 |
| ·基于 MapReduce 的协同过滤算法实现 | 第37-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 实验设计与结果分析 | 第43-53页 |
| ·实验数据 | 第43-44页 |
| ·评价标准 | 第44-46页 |
| ·平均绝对误差(MAE) | 第44-45页 |
| ·准确率和召回率 | 第45-46页 |
| ·实验设计 | 第46页 |
| ·实验结果分析和总结 | 第46-51页 |
| ·不同比例的训练集和测试集实验结果分析 | 第47-48页 |
| ·交叉验证实验结果分析 | 第48-49页 |
| ·准确率和 F 值实验结果分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·本文总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士期间参与的科研工作 | 第61-62页 |
