基于Mahout、Hadoop的推荐系统研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题研究的主要内容 | 第11页 |
| 1.4 论文结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 推荐算法的研究 | 第13-20页 |
| 2.1 推荐算法的相关概念 | 第13页 |
| 2.2 推荐算法的分类 | 第13-16页 |
| 2.2.1 基于内容的推荐 | 第13-14页 |
| 2.2.2 基于协同过滤的推荐 | 第14-15页 |
| 2.2.3 基于关联规则的推荐 | 第15页 |
| 2.2.4 组合推荐 | 第15-16页 |
| 2.3 推荐算法的评价标准 | 第16-17页 |
| 2.3.1 预测准确度 | 第16页 |
| 2.3.2 分类准确度 | 第16-17页 |
| 2.3.3 其他指标 | 第17页 |
| 2.4 推荐算法所面临的挑战 | 第17-18页 |
| 2.5 推荐系统的发展趋势 | 第18-19页 |
| 2.6 本章小结 | 第19-20页 |
| 第三章 基于巴氏系数的协同过滤算法 | 第20-47页 |
| 3.1 常见的相似度计算方式 | 第20-23页 |
| 3.2 相似度的改进及存在的问题 | 第23-24页 |
| 3.3 使用巴氏系数计算相似度 | 第24-26页 |
| 3.3.1 算法定义 | 第24-26页 |
| 3.3.2 算法优点 | 第26页 |
| 3.4 算法实验 | 第26-46页 |
| 3.5 实验结论 | 第46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 相关技术介绍 | 第47-54页 |
| 4.1 Mahout简介 | 第47-48页 |
| 4.2 Hadoop简介 | 第48-53页 |
| 4.2.1 HDFS | 第50-52页 |
| 4.2.2 MapReduce | 第52-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 基于Hadoop的推荐系统设计与实现 | 第54-72页 |
| 5.1 系统需求 | 第54页 |
| 5.2 系统设计 | 第54-56页 |
| 5.3 系统实现 | 第56-70页 |
| 5.3.1 Hadoop集群配置与搭建 | 第56-58页 |
| 5.3.2 推荐算法的部署 | 第58-70页 |
| 5.4 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 个人简介 | 第78-79页 |
