| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究工作的背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 电子商务推荐的发展现状 | 第10-11页 |
| 1.2.2 数据挖掘研究现状 | 第11-12页 |
| 1.2.3 协同过滤算法的研究现状 | 第12-13页 |
| 1.3 协同过滤技术在电商推荐系统中面临的问题 | 第13-15页 |
| 1.4 论文的主要内容和组织架构 | 第15-16页 |
| 2 数据挖掘技术 | 第16-26页 |
| 2.1 数据挖掘介绍 | 第16-17页 |
| 2.2 数据挖掘过程 | 第17-19页 |
| 2.3 Web数据挖掘概述 | 第19-22页 |
| 2.3.1 Web数据挖掘 | 第19页 |
| 2.3.2 Web数据挖掘的种类 | 第19-20页 |
| 2.3.3 数据源 | 第20-22页 |
| 2.4 协同过滤技术 | 第22-24页 |
| 2.4.1 协同过滤概念 | 第22-23页 |
| 2.4.2 协同过滤的处理过程 | 第23-24页 |
| 2.5 本章小结 | 第24-26页 |
| 3 电子商务的协同过滤算法设计 | 第26-44页 |
| 3.1 引言 | 第26页 |
| 3.2 协同过滤算法在电商推荐系统的需求分析 | 第26-27页 |
| 3.3 协同过滤算法的研究与设计 | 第27-37页 |
| 3.3.1 基于用户的协同过滤算法 | 第27-32页 |
| 3.3.2 基于项目的协同过滤算法 | 第32-37页 |
| 3.4 算法的改进 | 第37-43页 |
| 3.4.1 协同过滤算法的改进 | 第37-39页 |
| 3.4.2 基于内容的推荐算法 | 第39-41页 |
| 3.4.3 组合推荐算法 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 改进的协同过滤算法在大数据平台Spark中的设计与实现 | 第44-64页 |
| 4.1 实现平台——Spark分布式计算框架研究 | 第44-47页 |
| 4.1.1 Spark的简介 | 第44页 |
| 4.1.2 弹性分布式数据集RDD | 第44-45页 |
| 4.1.3 Spark框架与编程模型 | 第45-47页 |
| 4.2 系统架构 | 第47-49页 |
| 4.2.1 系统整体架构 | 第47-48页 |
| 4.2.2 高性能数据仓库的设计 | 第48-49页 |
| 4.3 混合推荐算法的实现 | 第49-56页 |
| 4.4 实验结果与分析 | 第56-63页 |
| 4.4.1 实验环境 | 第56-57页 |
| 4.4.2 实验数据集 | 第57-58页 |
| 4.4.3 实验测评指标 | 第58-59页 |
| 4.4.4 实验分析与设计 | 第59-60页 |
| 4.4.5 测评结果 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 全文总结与展望 | 第64-66页 |
| 5.1 全文总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-71页 |