摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第14-20页 |
1.1 研究的背景和意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-17页 |
1.2.1 推荐系统现状 | 第15-16页 |
1.2.2 云平台现状 | 第16-17页 |
1.3 研究内容 | 第17页 |
1.4 论文结构 | 第17-20页 |
第二章 系统需求和模块分析 | 第20-24页 |
2.1 系统需求分析 | 第20页 |
2.2 总体设计 | 第20-21页 |
2.3 系统模块分析 | 第21-22页 |
2.4 本章小结 | 第22-24页 |
第三章 推荐关键技术概述 | 第24-38页 |
3.1 推荐系统概述 | 第24-25页 |
3.1.1 推荐系统背景 | 第24页 |
3.1.2 推荐系统原理 | 第24-25页 |
3.2 基于内容的推荐 | 第25-26页 |
3.3 协同过滤推荐过程 | 第26-30页 |
3.3.1 用户偏好数据收集整理 | 第27-28页 |
3.3.2 相似度的计算 | 第28-29页 |
3.3.3 最近邻近集产生 | 第29页 |
3.3.4 计算推荐 | 第29-30页 |
3.4 协同过滤推荐算法 | 第30-33页 |
3.4.1 基于用户的CF(User-Based CF) | 第30-31页 |
3.4.2 基于物品的CF(Item-Based CF) | 第31-32页 |
3.4.3 Slop One算法 | 第32-33页 |
3.5 算法缺陷 | 第33-34页 |
3.5.1 数据稀疏性 | 第33页 |
3.5.2 冷启动问题 | 第33-34页 |
3.5.3 扩展性问题 | 第34页 |
3.6 适用场景 | 第34-38页 |
第四章 云计算平台HADOOP | 第38-46页 |
4.1 开源云平台Hadoop | 第38-39页 |
4.1.1 Hadoop简介和发展 | 第38-39页 |
4.1.2 Hadoop的优势 | 第39页 |
4.2 分布式文件系统HDFS | 第39-41页 |
4.2.1 HDFS特点 | 第39-40页 |
4.2.2 HDFS架构 | 第40-41页 |
4.2.3 数据存储 | 第41页 |
4.3 分布式计算框架MapReduce | 第41-43页 |
4.3.1 工作机制和实体 | 第41-42页 |
4.3.2 任务执行流程 | 第42-43页 |
4.4 Apache Mahout和Taste | 第43-44页 |
4.5 本章小结 | 第44-46页 |
第五章 推荐系统详细设计 | 第46-52页 |
5.1 系统设计背景和目标 | 第46-47页 |
5.2 目标实现策略 | 第47-48页 |
5.3 系统模块详细设计 | 第48-50页 |
5.3.1 数据收集模块 | 第48页 |
5.3.2 存储数据库 | 第48-49页 |
5.3.3 推荐引擎组 | 第49页 |
5.3.4 接口 | 第49-50页 |
5.4 推荐引擎设计 | 第50页 |
5.5 基于云平台的设计 | 第50-51页 |
5.6 本章小结 | 第51-52页 |
第六章 云平台推荐系统的实现和评测 | 第52-66页 |
6.1 系统平台搭建 | 第52-55页 |
6.1.1 平台拓扑结构 | 第52页 |
6.1.2 硬件环境 | 第52页 |
6.1.3 软件环境 | 第52-53页 |
6.1.4 搭建Hadoop集群 | 第53-55页 |
6.2 数据库实现 | 第55-57页 |
6.3 推荐引擎组实现 | 第57-60页 |
6.3.1 User-based CF的具体实现 | 第57-59页 |
6.3.2 Item-Based CF的具体实现 | 第59-60页 |
6.3.3 基于Slop One的具体实现 | 第60页 |
6.4 推荐结果评测和结果分析 | 第60-65页 |
6.4.1 测试数据集 | 第60-61页 |
6.4.2 数据预处理 | 第61-62页 |
6.4.3 测试方案设计 | 第62-63页 |
6.4.4 测试结果分析 | 第63-65页 |
6.5 本章小结 | 第65-66页 |
第七章 总结与展望 | 第66-68页 |
参考文献 | 第68-70页 |
致谢 | 第70-72页 |
作者简介 | 第72-73页 |