面向eCRM的推荐系统的设计与实现
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 推荐系统的研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 推荐系统目前存在的问题 | 第13页 |
| 1.4 课题研究的主要内容 | 第13-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 第二章 推荐系统相关技术研究 | 第16-26页 |
| 2.1 推荐系统 | 第16-17页 |
| 2.2 推荐算法的分类 | 第17-21页 |
| 2.2.1 基于内容的推荐算法 | 第18页 |
| 2.2.2 基于协同过滤的推荐算法 | 第18-20页 |
| 2.2.3 混合式推荐算法 | 第20-21页 |
| 2.3 推荐算法的评价指标 | 第21页 |
| 2.3.1 命中率 | 第21页 |
| 2.3.2 绝对平均误差 | 第21页 |
| 2.4 Hadoop生态系统 | 第21-25页 |
| 2.4.1 分布式文件系统HDFS | 第22-23页 |
| 2.4.2 MapReduce编程模型 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于MapReduce模型的网络推荐算法 | 第26-41页 |
| 3.1 网络推荐算法 | 第26-27页 |
| 3.2 物质扩散算法及其MapReduce化 | 第27-36页 |
| 3.2.1 物质扩散算法 | 第27-31页 |
| 3.2.2 物质扩散算法的MapReduce化 | 第31-36页 |
| 3.3 热传导推荐算法及其MapReduce化 | 第36-40页 |
| 3.3.1 热传导推荐算法 | 第36-38页 |
| 3.3.2 热传导算法的MapReduce化 | 第38-40页 |
| 3.4 算法复杂度分析 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 面向eCRM的推荐系统的设计与实现 | 第41-54页 |
| 4.1 推荐系统需求分析和设计原则 | 第41页 |
| 4.2 推荐系统架构设计 | 第41-44页 |
| 4.3 实验环境 | 第44-48页 |
| 4.3.1 基于OpenStack的云计算平台 | 第44-46页 |
| 4.3.2 Hadoop分布式计算平台 | 第46-48页 |
| 4.4 推荐服务的实现 | 第48-50页 |
| 4.5 推荐服务的部署 | 第50-51页 |
| 4.5.1 推荐服务的导出 | 第50页 |
| 4.5.2 推荐服务的运行 | 第50-51页 |
| 4.6 推荐系统测试 | 第51-53页 |
| 4.6.1 登陆 | 第51-52页 |
| 4.6.2 注册 | 第52页 |
| 4.6.3 会员中心与推荐列表 | 第52-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54页 |
| 5.2 工作展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58页 |
