| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究内容及组织结构 | 第10-11页 |
| 第二章 推荐系统的相关理论与技术研究 | 第11-17页 |
| 2.1 个性化推荐算法 | 第11-14页 |
| 2.1.1 基于内容的推荐策略 | 第11-12页 |
| 2.1.2 协同过滤推荐策略 | 第12-13页 |
| 2.1.3 相似度权重计算 | 第13-14页 |
| 2.2 Hadoop平台关键技术介绍 | 第14-15页 |
| 2.2.1 MapReduce | 第14页 |
| 2.2.2 Hadoop分布式文件系统—HDFS | 第14-15页 |
| 2.3 Mahout关键技术介绍 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 基于模糊积分的职位推荐模型 | 第17-22页 |
| 3.1 非可加测度的定义 | 第17页 |
| 3.2 Choquet积分和Wang积分定义 | 第17-19页 |
| 3.3 Choquet积分和Wang积分在推荐系统中的应用 | 第19-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第四章 职位推荐系统的深层次分析及实现方式设计 | 第22-40页 |
| 4.1 推荐系统整体设计目标 | 第22页 |
| 4.2 推荐系统总体架构 | 第22-27页 |
| 4.2.1 系统主要组成部分 | 第23-24页 |
| 4.2.2 推荐系统工作流程设计 | 第24-26页 |
| 4.2.3 推荐系统的功能模块 | 第26-27页 |
| 4.3 个性化推荐模块设计 | 第27-31页 |
| 4.3.1 推荐系统的冷启动问题 | 第28页 |
| 4.3.2 推荐系统的离线计算 | 第28-29页 |
| 4.3.3 推荐系统的在线计算 | 第29-30页 |
| 4.3.4 基于模糊积分的推荐策略设计 | 第30-31页 |
| 4.4 基于Mahout和MapReduce实现分布式推荐策略 | 第31-37页 |
| 4.4.1 Mahout中基于内容的分布式推荐 | 第32-33页 |
| 4.4.2 Mahout中基于物品的协同过滤推荐策略的分布式推荐 | 第33-35页 |
| 4.4.3 混合推荐引擎方案 | 第35-37页 |
| 4.5 数据库设计 | 第37-39页 |
| 4.5.1 数据说明与分析 | 第37-38页 |
| 4.5.2 表结构设计 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 职位推荐系统实现 | 第40-57页 |
| 5.1 系统环境部署 | 第40-44页 |
| 5.1.1 系统部署架构 | 第40-41页 |
| 5.1.2 Hadoop集群的安装与部署 | 第41-44页 |
| 5.2 系统的开发与实现 | 第44-49页 |
| 5.2.3 基于内容推荐的MapReduce开发与实现 | 第45页 |
| 5.2.4 基于物品协同过滤推荐的MapReduce开发与实现 | 第45-47页 |
| 5.2.5 基于模糊积分的推荐策略的开发与实现 | 第47页 |
| 5.2.6 用户模块的实现 | 第47-48页 |
| 5.2.7 分布式系统模块的实现 | 第48-49页 |
| 5.3 系统使用操作说明 | 第49-52页 |
| 5.4 仿真实验数据分析与评估 | 第52-54页 |
| 5.4.1 实验评估结果 | 第52-54页 |
| 5.5 系统测试 | 第54-56页 |
| 5.5.1 功能测试 | 第54-55页 |
| 5.5.2 性能测试 | 第55-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 回顾与总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 发表论文和科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |
