| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·全文检索研究现状 | 第9-10页 |
| ·PageRank算法研究现状 | 第10-11页 |
| ·协同过滤算法研究现状 | 第11-12页 |
| ·本文研究内容及章节安排 | 第12-14页 |
| 第二章 基于MapReduce的专家数据索引构建 | 第14-25页 |
| ·Hadoop分布式计算平台及其核心架构 | 第14-18页 |
| ·Hadoop分布式计算平台概述 | 第14-15页 |
| ·Hadoop中的MapReduce | 第15-16页 |
| ·HDFS分布式文件系统 | 第16-18页 |
| ·Lucene全文检索框架 | 第18-23页 |
| ·Lucene概述 | 第18-19页 |
| ·Lucene全文检索原理 | 第19-20页 |
| ·Lucene索引构建 | 第20-21页 |
| ·Lucene搜索 | 第21-23页 |
| ·基于MapReduce的专家数据索引构建 | 第23-24页 |
| ·专家数据索引构建思想概述 | 第23页 |
| ·基于MapReduce的分布式索引构建 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于改进PageRank算法的领域核心专家评分 | 第25-34页 |
| ·PageRank算法概述 | 第25-26页 |
| ·PageRank算法简介 | 第25页 |
| ·PageRank算法优点 | 第25-26页 |
| ·PageRank算法缺点 | 第26页 |
| ·PageRank算法分析 | 第26-30页 |
| ·PageRank算法原理 | 第26-28页 |
| ·幂法求解PageRank值 | 第28-30页 |
| ·PageRank算法改进 | 第30-33页 |
| ·改进思想概述 | 第30页 |
| ·算法详细设计 | 第30-32页 |
| ·基于MapReduce的算法实现 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第四章 基于改进协同过滤算法的专家推荐 | 第34-41页 |
| ·协同过滤算法概述 | 第34页 |
| ·协同过滤算法分类 | 第34-38页 |
| ·基于用户的协同过滤算法 | 第34-35页 |
| ·基于项目的协同过滤算法 | 第35-38页 |
| ·基于用户兴趣变化的算法改进 | 第38-40页 |
| ·改进思想 | 第38页 |
| ·推荐模型的改进 | 第38-39页 |
| ·算法实现 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第五章 实验结果及分析 | 第41-50页 |
| ·实验环境及实验数据 | 第41-43页 |
| ·实验环境 | 第41页 |
| ·系统环境搭建 | 第41-43页 |
| ·实验数据 | 第43页 |
| ·实验结果及分析 | 第43-49页 |
| ·基于MapReduce的专家索引构建 | 第43-45页 |
| ·E-PeopleRank算法验证 | 第45-47页 |
| ·基于用户兴趣变化的推荐算法验证 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文总结 | 第50页 |
| ·未来展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介 | 第56页 |
| 攻读硕士学位期间研究成果 | 第56页 |