| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-11页 |
| ·社交网络 | 第10-11页 |
| ·云计算 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·研究内容 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第2章 服务推荐关键技术综述 | 第16-22页 |
| ·推荐系统简介 | 第16页 |
| ·推荐问题定义 | 第16-17页 |
| ·推荐系统分类 | 第17-21页 |
| ·基于内容的推荐 | 第17-19页 |
| ·协同过滤推荐 | 第19-21页 |
| ·混合推荐 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 开源云计算平台 Hadoop | 第22-32页 |
| ·分布式文件系统 HDFS | 第22-23页 |
| ·并行编程模型 MapReduce | 第23-28页 |
| ·MapReduce 编程模型 | 第23-25页 |
| ·MapReduce 执行流程 | 第25-26页 |
| ·MapReduce 编程基础 | 第26-28页 |
| ·分布式数据库 HBase | 第28-31页 |
| ·HBase 数据模型 | 第28-29页 |
| ·HBase Shell | 第29-30页 |
| ·HBase API | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 服务推荐系统框架 | 第32-38页 |
| ·数据采集模块 | 第33页 |
| ·数据预处理模块 | 第33-36页 |
| ·中文切分词 | 第33-34页 |
| ·词性标注 | 第34页 |
| ·关键词提取 | 第34-36页 |
| ·数据存储模块 | 第36页 |
| ·服务推荐模块 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 系统实现 | 第38-58页 |
| ·微博数据的抓取 | 第38-41页 |
| ·获取 AppKey 和 AppSecret | 第38-40页 |
| ·抓取微博数据 | 第40-41页 |
| ·部署伪分布式 Hadoop 平台 | 第41-47页 |
| ·安装 JDK | 第41-42页 |
| ·安装 ssh | 第42页 |
| ·安装 Hadoop | 第42-45页 |
| ·在 eclipse 中配置 Hadoop | 第45-47页 |
| ·HBase 伪分布式配置 | 第47-49页 |
| ·TF-IDF 算法 MapReduce 化 | 第49-51页 |
| ·实验结果与分析 | 第51-57页 |
| ·分布式 TF-IDF 算法的结果 | 第51-53页 |
| ·分布式 TF-IDF 算法与 TextRank 算法的对比 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 作者简介及在学期间所取得的科研成果 | 第64-65页 |
| 致谢 | 第65页 |