基于大数据的勘探生产门户信息推荐系统研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 研究目的与意义 | 第8-9页 |
| 1.4 本文主要工作 | 第9-10页 |
| 1.4.1 本文的研究内容 | 第9-10页 |
| 1.4.2 本文的组织结构 | 第10页 |
| 1.5 本章小结 | 第10-11页 |
| 第二章 大数据与信息推荐技术分析 | 第11-29页 |
| 2.1 大数据存储技术与计算框架 | 第11-16页 |
| 2.1.1 HDFS分布式数据管理 | 第11-14页 |
| 2.1.2 MapReduce计算框架 | 第14-16页 |
| 2.2 Mahout推荐引擎 | 第16-17页 |
| 2.3 协同过滤推荐方法 | 第17-25页 |
| 2.3.1 基于用户的协同过滤推荐算法 | 第17-20页 |
| 2.3.2 基于项目的协同过滤推荐算法 | 第20-25页 |
| 2.4 基于内容的推荐方法 | 第25-26页 |
| 2.5 推荐系统的评测方法及评测指标 | 第26-28页 |
| 2.5.1 评测方法 | 第26页 |
| 2.5.2 评测指标 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于勘探生产门户信息的推荐算法研究 | 第29-43页 |
| 3.1 勘探生产门户信息特征 | 第30-31页 |
| 3.2 门户信息推荐算法的基本思想 | 第31-32页 |
| 3.3 勘探生产门户信息分析处理 | 第32-36页 |
| 3.3.1 门户页面爬虫分析 | 第32-33页 |
| 3.3.2 门户页面信息预处理 | 第33-35页 |
| 3.3.3 门户页面信息聚类分析 | 第35-36页 |
| 3.4 勘探生产门户用户的兴趣模型 | 第36-37页 |
| 3.5 基于项目的门户信息协同过滤推荐算法 | 第37-38页 |
| 3.6 实验结果对比及分析 | 第38-42页 |
| 3.6.1 测试系统数据库设计 | 第38-40页 |
| 3.6.2 测试方法及结果分析 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 勘探生产门户信息推荐系统设计 | 第43-54页 |
| 4.1 需求分析 | 第43页 |
| 4.2 整体架构设计 | 第43-46页 |
| 4.3 功能模块设计 | 第46-51页 |
| 4.3.1 数据收集预处理模块的设计 | 第47-48页 |
| 4.3.2 爬虫模块的设计 | 第48-49页 |
| 4.3.3 推荐引擎模块的设计 | 第49-50页 |
| 4.3.4 推荐结果处理模块的设计 | 第50-51页 |
| 4.3.5 用户UI交互模块的设计 | 第51页 |
| 4.4 推荐系统的执行流程 | 第51-52页 |
| 4.5 推荐系统的数据库设计 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 勘探生产门户信息推荐系统的实现 | 第54-71页 |
| 5.1 勘探生产门户信息数据预处理 | 第54-58页 |
| 5.1.1 数据清洗 | 第55页 |
| 5.1.2 数据变换 | 第55-57页 |
| 5.1.3 属性规约 | 第57-58页 |
| 5.2 Hadoop集群搭建 | 第58-60页 |
| 5.3 推荐列表生成过程的实现 | 第60-67页 |
| 5.3.1 网络爬虫的实现 | 第60-63页 |
| 5.3.2 特征词库的建立 | 第63-66页 |
| 5.3.3 生成推荐列表 | 第66-67页 |
| 5.4 用户交互接口的实现 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71页 |
| 6.2 突出成果 | 第71-72页 |
| 6.3 工作展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
