| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1. 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·主要研究内容与拟解决的关键技术 | 第13-14页 |
| ·论文的组织结构 | 第14-16页 |
| 2. 相关技术研究 | 第16-33页 |
| ·HADOOP系列技术 | 第16-26页 |
| ·Hadoop | 第16-17页 |
| ·HBase | 第17-21页 |
| ·Hive | 第21-22页 |
| ·Sqoop | 第22-23页 |
| ·Flume | 第23-24页 |
| ·Storm | 第24-25页 |
| ·Kafka | 第25-26页 |
| ·推荐系统 | 第26-29页 |
| ·推荐系统的定义 | 第26-27页 |
| ·主要推荐方法 | 第27-29页 |
| ·普适计算与上下文感知 | 第29-31页 |
| ·普适计算 | 第29-31页 |
| ·上下文感知 | 第31页 |
| ·本章小结 | 第31-33页 |
| 3. 基于HADOOP与内容的上下文感知推荐技术 | 第33-38页 |
| ·问题引出 | 第33页 |
| ·基于内容的推荐技术 | 第33-34页 |
| ·算法建模 | 第33页 |
| ·用户兴趣向量的表示 | 第33-34页 |
| ·用户兴趣向量计算 | 第34页 |
| ·利用余弦相似度公式来进行推荐 | 第34页 |
| ·基于内容的推荐整合HADOOP和上下文信息 | 第34-36页 |
| ·基于内容的推荐技术整合Hadoop | 第34-36页 |
| ·基于内容的推荐技术整合上下文信息 | 第36页 |
| ·本章小结 | 第36-38页 |
| 4. 基于HADOOP的离线上下文感知推荐系统设计 | 第38-60页 |
| ·总体架构 | 第39页 |
| ·数据采集SA架构设计 | 第39-48页 |
| ·名词解释 | 第39-40页 |
| ·SA数据采集原理 | 第40页 |
| ·埋点规则 | 第40-46页 |
| ·URL解析 | 第46-48页 |
| ·ETL数据处理设计 | 第48-56页 |
| ·ETL处理选型 | 第48-49页 |
| ·Hive模型设计 | 第49-52页 |
| ·Hive开发 | 第52-54页 |
| ·Hive测试 | 第54-55页 |
| ·Hive调度 | 第55-56页 |
| ·HBASE数据库设计 | 第56-59页 |
| ·关系模型（范式） | 第57页 |
| ·NOSQL数据模型 | 第57页 |
| ·关系型数据库向NOSQL数据库转换 | 第57-58页 |
| ·设计HBase数据库模型 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 5. 基于HADOOP的实时上下文感知推荐系统设计 | 第60-62页 |
| ·总体架构 | 第60页 |
| ·FLUME+KAFKA+STORM+MYSQL实时系统设计 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 6. 实验与分析 | 第62-72页 |
| ·环境部署 | 第62-66页 |
| ·离线环境搭建 | 第62-65页 |
| ·实时环境搭建 | 第65-66页 |
| ·实验数据部署与预处理 | 第66-67页 |
| ·数据部署 | 第66-67页 |
| ·数据预处理 | 第67页 |
| ·实验分析与评估 | 第67-70页 |
| ·推荐结果评估标准 | 第67-68页 |
| ·实验过程与评估 | 第68-70页 |
| ·本章小结 | 第70-72页 |
| 7. 总结与展望 | 第72-74页 |
| ·论文总结 | 第72-73页 |
| ·未来展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第78-79页 |
| 致谢 | 第79-80页 |
