基于Hadoop的电子商务推荐系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文的研究内容 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| 2 Hadoop大数据处理平台 | 第13-23页 |
| ·Hadoop介绍 | 第13-15页 |
| ·HDFS | 第15-18页 |
| ·HDFS介绍 | 第15-16页 |
| ·HDFS的架构和工作原理 | 第16-17页 |
| ·HDFS数据存储的保证措施 | 第17-18页 |
| ·MapReduce的并行计算架构 | 第18-21页 |
| ·MapReduce体系架构概述 | 第19-20页 |
| ·MapReduce的工作流程 | 第20-21页 |
| ·HBase | 第21-23页 |
| ·数据存储 | 第21-22页 |
| ·物理模型 | 第22-23页 |
| 推荐系统相关技术介绍 | 第23-34页 |
| ·推荐系统概述 | 第23-24页 |
| ·推荐系统的架构 | 第24-25页 |
| ·常用推荐算法的研究 | 第25-34页 |
| ·基于内容的推荐 | 第25-26页 |
| ·基于关联规则的推荐 | 第26-27页 |
| ·基于聚类的推荐 | 第27-28页 |
| ·协同过滤推荐 | 第28-34页 |
| 4 电子商务推荐中的组合推荐算法 | 第34-44页 |
| ·组合推荐算法的提出 | 第34页 |
| ·组合推荐算法的思路 | 第34-35页 |
| ·组合推荐算法的实现 | 第35-44页 |
| ·K均值聚类算法 | 第35-36页 |
| ·Slope One算法及其加权改进 | 第36-39页 |
| ·协同过滤推荐算法 | 第39-42页 |
| ·组合推荐算法的流程与步骤 | 第42-44页 |
| 5 基于MapReduce的组合推荐算法改进 | 第44-53页 |
| ·原因和可行性分析 | 第44页 |
| ·基于MapReduce的算法改进过程 | 第44-46页 |
| ·基于MapReduce的协同过滤推荐算法 | 第46-53页 |
| 6 实验测试和结果分析 | 第53-58页 |
| ·实验数据和环境 | 第53-54页 |
| ·数据集 | 第53页 |
| ·实验环境 | 第53-54页 |
| ·实验结果及评测指标 | 第54-56页 |
| ·实验结果 | 第54页 |
| ·评测指标 | 第54-56页 |
| ·实验设计 | 第56页 |
| ·实验结果及分析 | 第56-58页 |
| 7 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
| 致谢 | 第63-65页 |
