电商大数据平台的设计与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 大数据平台研究现状 | 第12-14页 |
| 1.2.2 推荐系统研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 2 相关理论与技术基础 | 第18-36页 |
| 2.1 分布式大数据平台Hadoop | 第18-22页 |
| 2.1.1 Hadoop概述 | 第18页 |
| 2.1.2 分布式文件系统 | 第18-19页 |
| 2.1.3 分布式并行计算框架 | 第19-21页 |
| 2.1.4 分布式数据库 | 第21-22页 |
| 2.2 Mahout机器学习框架 | 第22-23页 |
| 2.2.1 Mahout整体架构 | 第22页 |
| 2.2.2 Mahout算法简介 | 第22-23页 |
| 2.3 个性化推荐算法 | 第23-35页 |
| 2.3.1 基于用户协同过滤推荐 | 第24-28页 |
| 2.3.2 基于物品协同过滤推荐 | 第28-32页 |
| 2.3.3 SlopeOne推荐算法 | 第32-34页 |
| 2.3.4 推荐任务面临的问题 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 组合算法设计 | 第36-48页 |
| 3.1 KMeans聚类算法 | 第36-41页 |
| 3.1.1 Kmeans聚类算法概述 | 第36-37页 |
| 3.1.2 Kmeans聚类算法数据预处理 | 第37页 |
| 3.1.3 Kmeans聚类算法流程 | 第37页 |
| 3.1.4 Kmeans聚类算法并行化 | 第37-41页 |
| 3.1.5 Kmeans聚类算法优缺点 | 第41页 |
| 3.2 Bayesian分类算法 | 第41-44页 |
| 3.2.1 Bayesian分类算法概述 | 第41-42页 |
| 3.2.2 Bayesian分类算法流程 | 第42页 |
| 3.2.3 Bayesian分类算法并行化 | 第42-44页 |
| 3.2.4 Bayesian分类算法优缺点 | 第44页 |
| 3.3 组合推荐算法设计 | 第44-46页 |
| 3.3.1 算法组合方式 | 第44-46页 |
| 3.3.2 组合推荐算法设计 | 第46页 |
| 3.4 本章小结 | 第46-48页 |
| 4 电商大数据平台及推荐算法设计 | 第48-63页 |
| 4.1 平台整体架构设计 | 第48-50页 |
| 4.1.1 平台设计目标 | 第48页 |
| 4.1.2 平台总体框架设计 | 第48-50页 |
| 4.2 平台功能模块具体设计 | 第50-55页 |
| 4.2.1 数据聚合及预处理模块设计 | 第50-52页 |
| 4.2.2 数据存储模块设计 | 第52-54页 |
| 4.2.3 推荐引擎模块设计 | 第54-55页 |
| 4.3 推荐引擎算法设计 | 第55-62页 |
| 4.3.1 算法整体流程设计 | 第55-56页 |
| 4.3.2 推荐任务优化设计 | 第56-59页 |
| 4.3.3 聚类算法设计 | 第59-60页 |
| 4.3.4 协同过滤算法设计 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 电商大数据平台在电影个性化推荐的应用 | 第63-83页 |
| 5.1 平台搭建 | 第63-71页 |
| 5.1.1 环境准备 | 第63-64页 |
| 5.1.2 Hadoop环境安装配置 | 第64-67页 |
| 5.1.3 Mahout安装配置 | 第67页 |
| 5.1.4 HBase安装配置 | 第67-69页 |
| 5.1.5 Hadoop环境测试及监控 | 第69-71页 |
| 5.2 数据源介绍及数据预处理 | 第71-73页 |
| 5.2.1 数据源 | 第71-72页 |
| 5.2.2 数据预处理 | 第72-73页 |
| 5.3 电影个性化推荐应用 | 第73-78页 |
| 5.3.1 用户聚类 | 第73-74页 |
| 5.3.2 协同过滤推荐 | 第74-76页 |
| 5.3.3 数据存储 | 第76-78页 |
| 5.4 实验结果及分析 | 第78-81页 |
| 5.4.1 加速比对比实验 | 第78-79页 |
| 5.4.2 推荐结果对比实验 | 第79-81页 |
| 5.5 本章小结 | 第81-83页 |
| 6 总结与展望 | 第83-85页 |
| 6.1 全文总结 | 第83-84页 |
| 6.2 展望 | 第84-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 攻读学位期间发表的学术成果 | 第90-91页 |
