基于Hadoop的推荐系统设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 论文来源与组织结构 | 第10-12页 |
| 第二章 相关技术研究 | 第12-26页 |
| 2.1 推荐算法研究 | 第12-19页 |
| 2.1.1 基于内容推荐 | 第12-14页 |
| 2.1.2 协同过滤推荐 | 第14-17页 |
| 2.1.3 社会化推荐 | 第17-18页 |
| 2.1.4 推荐算法研究小结 | 第18-19页 |
| 2.2 基于Hadoop的推荐系统研究 | 第19-24页 |
| 2.2.1 Hadoop平台简介 | 第19-23页 |
| 2.2.2 基于Hadoop的推荐系统 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于Hadoop的推荐系统总体设计 | 第26-34页 |
| 3.1 需求分析 | 第26页 |
| 3.2 系统架构设计 | 第26-28页 |
| 3.3 系统功能模块 | 第28-31页 |
| 3.3.1 推荐功能 | 第28-29页 |
| 3.3.2 其它功能 | 第29-31页 |
| 3.4 系统数据库设计 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第四章 基于Hadoop的并行化推荐算法设计 | 第34-52页 |
| 4.1 算法提出的背景 | 第34-35页 |
| 4.2 H-ICSR算法思想 | 第35-41页 |
| 4.2.1 项目推荐度计算 | 第37页 |
| 4.2.2 项目聚类的方法 | 第37-39页 |
| 4.2.3 用户兴趣度计算 | 第39-40页 |
| 4.2.4 推荐列表生成 | 第40-41页 |
| 4.3 H-ICSR算法并行化设计 | 第41-47页 |
| 4.3.1 总体流程 | 第41-42页 |
| 4.3.2 项目推荐度计算过程并行化 | 第42-43页 |
| 4.3.3 项目聚类过程并行化 | 第43-44页 |
| 4.3.4 用户兴趣度计算过程并行化 | 第44-46页 |
| 4.3.5 推荐结果生成过程并行化 | 第46-47页 |
| 4.4 验证H-ICSR算法的推荐效果 | 第47-51页 |
| 4.4.1 实验数据 | 第47-48页 |
| 4.4.2 实验内容 | 第48-51页 |
| 4.4.3 结果分析 | 第51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于Hadoop的推荐系统详细设计 | 第52-67页 |
| 5.1 推荐模块详细设计 | 第52-55页 |
| 5.1.1 源数据采集层 | 第53-54页 |
| 5.1.2 数据预处理层 | 第54页 |
| 5.1.3 推荐生成层 | 第54-55页 |
| 5.1.4 用户接入层 | 第55页 |
| 5.2 Web服务端详细设计 | 第55-61页 |
| 5.2.1 技术架构设计 | 第55-57页 |
| 5.2.2 接口详细设计 | 第57-60页 |
| 5.2.3 数据交换格式 | 第60-61页 |
| 5.3 Android客户端详细设计 | 第61-65页 |
| 5.3.1 客户端视图设计 | 第61-63页 |
| 5.3.2 客户端网络通信模块设计 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 系统测试 | 第67-78页 |
| 6.1 测试环境 | 第67-71页 |
| 6.1.1 Hadoop集群 | 第67-69页 |
| 6.1.2 Web服务器 | 第69-71页 |
| 6.1.3 Android客户端 | 第71页 |
| 6.2 系统性能测试 | 第71-73页 |
| 6.2.1 测试数据和评价指标 | 第71-72页 |
| 6.2.2 测试内容 | 第72-73页 |
| 6.2.3 结果分析 | 第73页 |
| 6.3 系统功能测试 | 第73-77页 |
| 6.4 本章小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-80页 |
| 7.1 总结 | 第78-79页 |
| 7.2 展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第83-84页 |
| 附录2 攻读硕士学位期间申请的专利 | 第84-85页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第85-86页 |
| 致谢 | 第86页 |
