云计算环境下的社交网络好友推荐系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 本文工作及组织结构 | 第15-18页 |
| 第二章 相关技术基础 | 第18-36页 |
| 2.1 社交网络 | 第18-24页 |
| 2.1.1 社交网络的概念 | 第18-19页 |
| 2.1.2 微博概述 | 第19-21页 |
| 2.1.3 社交网络的相关理论 | 第21-23页 |
| 2.1.4 社交网络研究的问题 | 第23-24页 |
| 2.2 Hadoop云计算平台 | 第24-33页 |
| 2.2.1 Hadoop介绍 | 第24-26页 |
| 2.2.2 HDFS介绍 | 第26-27页 |
| 2.2.3 MapReduce介绍 | 第27-29页 |
| 2.2.4 Hadoop 2.0 及YARN介绍 | 第29-31页 |
| 2.2.5 HBase介绍 | 第31-33页 |
| 2.3 推荐系统 | 第33-36页 |
| 2.3.1 推荐系统简介 | 第33页 |
| 2.3.2 推荐系统的分类 | 第33-36页 |
| 第三章 好友推荐算法及其分布式实现 | 第36-50页 |
| 3.1 好友推荐过程 | 第36-41页 |
| 3.1.1 共同好友比例 | 第36-37页 |
| 3.1.2 互动比例 | 第37-38页 |
| 3.1.3 社交兴趣度 | 第38-39页 |
| 3.1.4 兴趣相似度 | 第39-40页 |
| 3.1.5 综合评分 | 第40-41页 |
| 3.2 基于MapReduce实现分布式算法 | 第41-50页 |
| 3.2.1 分布式计算的优缺点 | 第41页 |
| 3.2.2 MapReduce计算模式 | 第41页 |
| 3.2.3 算法的MapReduce化 | 第41-50页 |
| 第四章 基于Hadoop的好友推荐系统设计和实现 | 第50-62页 |
| 4.1 好友推荐系统框架 | 第50页 |
| 4.2 数据采集和预处理 | 第50-52页 |
| 4.3 数据存储 | 第52页 |
| 4.4 Hadoop云计算平台的搭建 | 第52-57页 |
| 4.5 与传统算法的对比实验 | 第57-60页 |
| 4.6 集群环境中分布式算法实验 | 第60-61页 |
| 4.7 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
