| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·推荐系统的发展 | 第10-11页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11页 |
| ·论文研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-15页 |
| 第二章 云计算相关技术 | 第15-26页 |
| ·云计算简介 | 第15-18页 |
| ·云计算的部署方式和 SPI 服务模式 | 第15-16页 |
| ·国外研究现状 | 第16-18页 |
| ·Hadoop 技术背景 | 第18-26页 |
| ·分布式文件系统 HDFS | 第19-20页 |
| ·Hadoop 的数据管理 | 第20-22页 |
| ·MapReduce 编程模型 | 第22-23页 |
| ·Hadoop 数据库 HBase | 第23-26页 |
| 第三章 推荐系统相关技术 | 第26-34页 |
| ·推荐系统技术 | 第26-30页 |
| ·基于内容的推荐 | 第26-27页 |
| ·基于关联规则的推荐 | 第27-28页 |
| ·基于协同过滤的推荐 | 第28-30页 |
| ·标签系统 | 第30-34页 |
| ·标签系统简介 | 第30-32页 |
| ·标签系统推荐流程 | 第32-34页 |
| 第四章 混合协同过滤微博推荐算法 | 第34-42页 |
| ·微博平台分析 | 第34-36页 |
| ·用户特征 | 第34-35页 |
| ·微博平台分析 | 第35-36页 |
| ·推荐质量与数据稀疏性问题 | 第36-38页 |
| ·影响协同过滤推荐质量的问题 | 第36-37页 |
| ·稀疏性问题解决算法与分析 | 第37-38页 |
| ·混合协同过滤算法 | 第38-42页 |
| ·算法分析与设计 | 第38-41页 |
| ·算法执行流程 | 第41-42页 |
| 第五章 基于 Hadoop 的微博推荐系统设计与实现 | 第42-54页 |
| ·系统需求 | 第42页 |
| ·系统设计 | 第42-44页 |
| ·系统结构设计 | 第42-43页 |
| ·系统功能设计 | 第43页 |
| ·系统编码设计 | 第43-44页 |
| ·系统的实现 | 第44-51页 |
| ·数据集描述 | 第44-45页 |
| ·Hadoop 平台的搭建 | 第45-48页 |
| ·算法验证 | 第48-51页 |
| ·系统测试 | 第51-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·论文总结 | 第54页 |
| ·研究展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 在学期间发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |