| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 研究背景及意义 | 第10-13页 |
| 1.2.1 研究背景 | 第10-12页 |
| 1.2.2 研究的目的与意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 论文组织结构 | 第15页 |
| 1.5 论文创新点 | 第15-17页 |
| 第2章 相关技术介绍 | 第17-31页 |
| 2.1 社区发现相关技术 | 第17-21页 |
| 2.1.1 社区的结构及定义 | 第17-18页 |
| 2.1.2 网络节点的中心性 | 第18-19页 |
| 2.1.3 标签传播算法概述 | 第19-21页 |
| 2.2 推荐相关技术 | 第21-27页 |
| 2.2.1 协同过滤推荐算法概述 | 第21-25页 |
| 2.2.2 协同过滤算法的优缺点 | 第25-26页 |
| 2.2.3 推荐框架Mahout介绍 | 第26-27页 |
| 2.3 Hadoop相关技术概述 | 第27-30页 |
| 2.3.1 分布式存储系统HDFS | 第28-29页 |
| 2.3.2 分布式计算框架Map Reduce | 第29页 |
| 2.3.3 Hadoop技术前沿 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于全局中心点的标签传播算法设计与实现 | 第31-44页 |
| 3.1 引言 | 第31-32页 |
| 3.2 全局中心点的衡量 | 第32-33页 |
| 3.3 基于全局中心点的标签传播算法 | 第33-35页 |
| 3.4 基于全局中心点标签传播算法分布式实现 | 第35-38页 |
| 3.4.1 基于全局中心点Map Reduce标签传播流程图 | 第35-36页 |
| 3.4.2 基于全局中心点的标签传播算法分布式实现 | 第36-38页 |
| 3.5 实验与分析 | 第38-43页 |
| 3.5.1 实验数据集 | 第38-39页 |
| 3.5.2 评价标准 | 第39-40页 |
| 3.5.3 实验结果与分析 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于社区发现的位置推荐算法设计与实现 | 第44-58页 |
| 4.1 引言 | 第44页 |
| 4.2 问题的分析与提出 | 第44-45页 |
| 4.3 用户项目评分对推荐的影响 | 第45-46页 |
| 4.4 基于社区发现的协同过滤推荐 | 第46-52页 |
| 4.4.1 基于社区发现的协同过滤算法 | 第46-51页 |
| 4.4.2 基于Mahout的协同过滤推荐实现 | 第51-52页 |
| 4.5 实验与分析 | 第52-57页 |
| 4.5.1 实验数据集 | 第52-53页 |
| 4.5.2 评价标准 | 第53-54页 |
| 4.5.3 实验结果与分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 总结及未来工作 | 第58-60页 |
| 5.1 总结 | 第58页 |
| 5.2 未来工作 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第66页 |