| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 云计算 | 第8页 |
| 1.1.2 推荐系统 | 第8-9页 |
| 1.1.3 大数据 | 第9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 国内外旅游信息服务的研究现状 | 第10页 |
| 1.3.2 推荐系统的研究现状 | 第10-13页 |
| 1.4 课题研究的主要内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第2章 实现旅游服务推荐的基础理论 | 第16-24页 |
| 2.1 个性化推荐系统 | 第16-21页 |
| 2.1.1 个性化推荐技术对比 | 第16-18页 |
| 2.1.2 个性化推荐系统的组成 | 第18-20页 |
| 2.1.3 个性化旅游服务推荐的作用 | 第20-21页 |
| 2.2 社会网络分析理论 | 第21-22页 |
| 2.2.1 社会网络分析法 | 第21页 |
| 2.2.2 城市旅游流网络构建 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 云计算平台HADOOP | 第24-34页 |
| 3.1 分布式文件系统HDFS | 第24-26页 |
| 3.2 HADOOP计算模型——MAPREDUCE | 第26-29页 |
| 3.2.1 MapReduce编程模型 | 第27页 |
| 3.2.2 MapReduce编程实现 | 第27-28页 |
| 3.2.3 MapReduce运行过程 | 第28-29页 |
| 3.3 关系数据ETL工具SQOOP | 第29-32页 |
| 3.3.1 Sqoop使用方法实例 | 第29-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 云计算环境下旅游服务推荐系统框架设计 | 第34-44页 |
| 4.1 数据采集模块分析 | 第34-35页 |
| 4.1.1 数据采集工具 | 第34-35页 |
| 4.1.2 本站数据获取 | 第35页 |
| 4.2 数据分析模块 | 第35-37页 |
| 4.2.1 旅游季节性统计分析 | 第35-36页 |
| 4.2.2 基于社会网的旅游流的分析 | 第36-37页 |
| 4.3 推荐算法并行化模块分析 | 第37-41页 |
| 4.3.1 关联规则算法分析 | 第37-40页 |
| 4.3.2 FP-Growth算法并行化 | 第40-41页 |
| 4.4 服务推荐模块 | 第41-43页 |
| 4.4.1 推荐服务建模 | 第41-42页 |
| 4.4.2 服务推荐流程 | 第42-43页 |
| 4.5 本章总结 | 第43-44页 |
| 第5章 旅游信息服务推荐系统实现 | 第44-62页 |
| 5.1 数据的采集 | 第44-46页 |
| 5.1.1 从旅游社区网站上采集数据 | 第44-45页 |
| 5.1.2 采集数据的整理 | 第45-46页 |
| 5.2 旅游数据的分析 | 第46-51页 |
| 5.2.1 旅游时空分布格局统计分析 | 第46-48页 |
| 5.2.2 基于社会网旅游流的核心景区分析 | 第48-51页 |
| 5.3 分布式HADOOP平台的搭建 | 第51-56页 |
| 5.3.1 搭建环境准备 | 第51-52页 |
| 5.3.2 安装并配置jdk | 第52页 |
| 5.3.3 安装ssh | 第52-53页 |
| 5.3.4 安装hadoop | 第53-56页 |
| 5.4 MAPREDUCE FP-GROWNTH算法并行化实验 | 第56-62页 |
| 5.4.1 实验数据 | 第56-57页 |
| 5.4.2 实验结果 | 第57-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |