| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 第2章 协同过滤推荐技术 | 第14-22页 |
| 2.1 协同过滤推荐技术的发展历史 | 第14-15页 |
| 2.2 协同过滤推荐技术的优缺点 | 第15-16页 |
| 2.3 协同过滤推荐技术的分类应用 | 第16-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 分布式计算 | 第22-28页 |
| 3.1 Hadoop概述 | 第22页 |
| 3.2 Hadoop的分布式文件系统 | 第22-23页 |
| 3.3 Hadoop的MapReduce编程模型 | 第23-24页 |
| 3.4 HBase分布式存储系统 | 第24-27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 基于HADOOP的分布式协同过滤算法 | 第28-43页 |
| 4.1 传统协同过滤算法问题描述 | 第28-30页 |
| 4.2 基于项目属性和评分预填充的协同过滤算法描述 | 第30-31页 |
| 4.3 基于项目属性和评分预填充的协同过滤算法设计 | 第31-37页 |
| 4.4 基于Hadoop的分布式协同过滤算法 | 第37-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 实验对比与性能优化 | 第43-53页 |
| 5.1 实验环境 | 第43页 |
| 5.2 数据集 | 第43-45页 |
| 5.3 评价指标 | 第45-47页 |
| 5.4 验对比 | 第47-51页 |
| 5.5 数据源的优化 | 第51-52页 |
| 5.6 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间的研究成果目录 | 第59-60页 |
| 致谢 | 第60页 |