| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第6-14页 |
| 1.1 研究的背景和意义 | 第6页 |
| 1.2 国内外研究现状 | 第6-11页 |
| 1.3 研究目标及内容 | 第11-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 HADOOP相关技术研究 | 第14-19页 |
| 2.1 HADOOP和MAHOUT | 第14-16页 |
| 2.2 平台搭建 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第三章 基于用户属性的聚类算法研究 | 第19-29页 |
| 3.1 聚类算法相关研究与分析 | 第19-20页 |
| 3.2 CANOPY-K-MEANS算法研究 | 第20-23页 |
| 3.3 基于用户属性的聚类算法分析与并行实现 | 第23-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于异质网络的推荐算法 | 第29-42页 |
| 4.1 异质网络相似度算法 | 第29-34页 |
| 4.2 异质网络的相似性计算HETE-DS | 第34-38页 |
| 4.3 基于影响力的专家推荐 | 第38-40页 |
| 4.4 预测评分及混合推荐 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 实验结果与说明 | 第42-62页 |
| 5.1 基于异质网络的混合推荐算法实现 | 第42-48页 |
| 5.2 实验相关环境 | 第48-50页 |
| 5.3 基于用户属性的CANOPY-K-MEANS算法的测试 | 第50-52页 |
| 5.4 异质网络相似度算法的测试 | 第52-56页 |
| 5.5 专家推荐算法及混合推荐算法的测试 | 第56-60页 |
| 5.6 对协同过滤推荐技术中常见问题的解决 | 第60-61页 |
| 5.7 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 硕士期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |