| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 相关技术 | 第13-28页 |
| 2.1 Hadoop相关技术 | 第13-21页 |
| 2.1.1 分布式文件系统(HDFS) | 第13-17页 |
| 2.1.2 MapReduce | 第17-19页 |
| 2.1.3 数据仓库(Hive) | 第19-20页 |
| 2.1.4 数据转移工具(Sqoop) | 第20-21页 |
| 2.2 推荐系统介绍 | 第21-22页 |
| 2.3 典型推荐算法介绍 | 第22-26页 |
| 2.3.1 基于内容的推荐 | 第23-24页 |
| 2.3.2 基于社会网络分析方法的推荐 | 第24页 |
| 2.3.3 协同过滤推荐 | 第24-26页 |
| 2.4 Mahout介绍 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 协同过滤推荐算法的分析 | 第28-42页 |
| 3.1 协同过滤推荐技术 | 第28-32页 |
| 3.1.1 基于用户的协同过滤推荐算法 | 第28-31页 |
| 3.1.2 基于项目的协同过滤推荐算法 | 第31-32页 |
| 3.2 两种算法的实验分析 | 第32-41页 |
| 3.2.1 评测指标 | 第32-34页 |
| 3.2.2 数据准备 | 第34-35页 |
| 3.2.3 代码实现 | 第35-37页 |
| 3.2.4 测试结果 | 第37-39页 |
| 3.2.5 综合比较 | 第39-41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 基于项目的协同过滤算法(IB-CF)改进方案 | 第42-51页 |
| 4.1 当前存在的问题 | 第42页 |
| 4.2 改进方案 | 第42-50页 |
| 4.2.1 基于MapReduce的算法改进原则 | 第42-44页 |
| 4.2.2 基于MapReduce的IB-CF算法改进 | 第44-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 基于Hadoop的电影推荐系统设计与实现 | 第51-62页 |
| 5.1 系统需求分析 | 第51页 |
| 5.2 系统架构设计 | 第51-53页 |
| 5.3 系统执行流程 | 第53-54页 |
| 5.4 数据准备 | 第54-55页 |
| 5.5 系统实现 | 第55-57页 |
| 5.6 性能测试 | 第57-61页 |
| 5.6.1 Hadoop集群搭建 | 第57-58页 |
| 5.6.2 实验环境配置 | 第58-60页 |
| 5.6.3 结果与分析 | 第60-61页 |
| 5.7 本章小结 | 第61-62页 |
| 第六章 结束语 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |