| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·项目背景和意义 | 第11-12页 |
| ·书籍推荐存在的问题和挑战 | 第12-14页 |
| ·论文主要工作 | 第14页 |
| ·本文组织结构 | 第14-17页 |
| 第2章 推荐系统相关技术综述 | 第17-32页 |
| ·推荐系统和推荐算法综述 | 第17-21页 |
| ·基于关联规则的推荐 | 第19页 |
| ·基于内容的推荐 | 第19-20页 |
| ·基于协同过滤的推荐 | 第20-21页 |
| ·基于效用的推荐 | 第21页 |
| ·基于知识的推荐 | 第21页 |
| ·组合推荐 | 第21页 |
| ·传统协同过滤推荐 | 第21-26页 |
| ·基于用户的协同过滤推荐 | 第23页 |
| ·基于项目的协同过滤推荐 | 第23-24页 |
| ·相似度计算 | 第24-26页 |
| ·用户行为反馈技术 | 第26-28页 |
| ·用户显式行为反馈 | 第27页 |
| ·用户隐式行为反馈 | 第27-28页 |
| ·海量数据处理技术 | 第28-31页 |
| ·Hadoop Distributed File System | 第28-30页 |
| ·Hadoop MapReduce | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于Hadoop大规模用户阅读隐式行为预处理 | 第32-48页 |
| ·基于Hadoop的用户行为数据预处理架构 | 第32-34页 |
| ·用户行为数据预处理 | 第34-37页 |
| ·用户行为分析与统计 | 第37-47页 |
| ·书籍下载次数分析 | 第37-41页 |
| ·用户翻页时间分析 | 第41-43页 |
| ·用户阅读时长分析 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于用户行为的建模与分析 | 第48-57页 |
| ·阅读时长建模 | 第48-51页 |
| ·阅读频次建模 | 第51-54页 |
| ·基于时间-频次模型评分的书籍协同过滤推荐 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 实验评估与结果 | 第57-64页 |
| ·基于Hadoop用户行为数据预处理实验过程 | 第57-58页 |
| ·硬件与软件环境 | 第57-58页 |
| ·执行各任务所花时间 | 第58页 |
| ·时长与频次权值选取 | 第58-60页 |
| ·基于T-F模型的推荐效果实验评估 | 第60-63页 |
| ·相似度计算 | 第60页 |
| ·推荐结果评估 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间参加的科研项目和成果 | 第73页 |