基于Hadoop的协同过滤推荐算法的研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-11页 |
| 1.3 论文主要工作及结构安排 | 第11-14页 |
| 第2章 Hadoop并行计算技术 | 第14-20页 |
| 2.1 Hadoop平台概述 | 第14-16页 |
| 2.2 分布式文件系统HDFS | 第16-18页 |
| 2.3 并行化计算框架MapReduce | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 协同过滤推荐算法理论研究 | 第20-30页 |
| 3.1 推荐系统 | 第20-23页 |
| 3.1.1 推荐系统概述 | 第20-21页 |
| 3.1.2 基于内容的推荐算法 | 第21-22页 |
| 3.1.3 基于关联规则的推荐算法 | 第22-23页 |
| 3.2 协同过滤推荐算法 | 第23-28页 |
| 3.2.1 相似度计算 | 第23-25页 |
| 3.2.2 基于内存的协同过滤推荐算法 | 第25-26页 |
| 3.2.3 基于模型的协同过滤推荐算法 | 第26-28页 |
| 3.3 推荐算法评估 | 第28-29页 |
| 3.3.1 数据集 | 第28页 |
| 3.3.2 评价指标 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 融合社交网络的协同过滤推荐改进算法 | 第30-42页 |
| 4.1 问题描述 | 第30-31页 |
| 4.2 改进的融合社交网络的推荐算法 | 第31-36页 |
| 4.2.1 算法模型介绍 | 第31-33页 |
| 4.2.2 推荐算法的具体实现 | 第33-36页 |
| 4.3 实验结果与分析 | 第36-40页 |
| 4.3.1 实验数据 | 第36页 |
| 4.3.2 实验方法 | 第36-37页 |
| 4.3.3 实验结果分析 | 第37-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第5章 协同过滤推荐算法的并行化实现 | 第42-52页 |
| 5.1 引言 | 第42页 |
| 5.2 MapReduce并行化实现 | 第42-47页 |
| 5.3 实验结果与分析 | 第47-50页 |
| 5.3.1 实验设置 | 第47-48页 |
| 5.3.2 实验评估方式 | 第48页 |
| 5.3.3 实验结果与分析 | 第48-50页 |
| 5.4 本章小结 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和参加科研情况说明 | 第58-60页 |
| 致谢 | 第60页 |
