| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 推荐系统的国内外研究现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本论文的结构安排 | 第15-16页 |
| 第二章 相关技术基础 | 第16-28页 |
| 2.1 大数据分析技术 | 第16-17页 |
| 2.1.1 大数据的特性 | 第16-17页 |
| 2.1.2 大数据分析方法 | 第17页 |
| 2.2 HADOOP云计算平台 | 第17-21页 |
| 2.2.1 HADOOP分布式文件系统 | 第17-18页 |
| 2.2.2 MAPREDUCE编程模型 | 第18-21页 |
| 2.3 全文检索技术 | 第21-23页 |
| 2.3.1 TF-IDF和PAGERANK算法 | 第22页 |
| 2.3.2 潜在语义检索（LDI） | 第22-23页 |
| 2.4 推荐系统相关技术 | 第23-27页 |
| 2.4.1 协同过滤推荐算法 | 第24-27页 |
| 2.4.2 基于内容的推荐算法 | 第27页 |
| 2.4.3 混合推荐算法 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于HADOOP大数据框架的个性化推荐方法研究 | 第28-47页 |
| 3.1 用户数据采集研究 | 第28-32页 |
| 3.1.1 搜索引擎下用户行为数据类型及其特殊性 | 第28-30页 |
| 3.1.2 用户行为数据及图书数据采集方法 | 第30-31页 |
| 3.1.3 用户行为数据及图书数据标准化方法 | 第31-32页 |
| 3.2 大数据下用户行为特性分析及个性化推荐模型 | 第32-35页 |
| 3.2.1 用户行为数据特性研究 | 第32-34页 |
| 3.2.2 用户行为兴趣分析及个性化推荐模型 | 第34-35页 |
| 3.3 用户行为分析方法 | 第35-40页 |
| 3.3.1 基于潜在语义分析的用户分析模型 | 第35-39页 |
| 3.3.2 基于分片聚类的用户兴趣分析模型 | 第39-40页 |
| 3.4 大数据并行个性化推荐算法 | 第40-46页 |
| 3.4.1 数据预处理的并行化 | 第41-43页 |
| 3.4.2 基于潜在语义分析的并行推荐算法 | 第43-44页 |
| 3.4.3 基于聚类的协同过滤并行推荐算法 | 第44-46页 |
| 3.4.4 推荐系统冷启动问题 | 第46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 系统需求分析 | 第47-53页 |
| 4.1 搜索引擎下的推荐系统概述 | 第47-48页 |
| 4.2 搜索引擎下的推荐系统功能需求 | 第48-52页 |
| 4.2.1 用户行为数据采集功能 | 第48页 |
| 4.2.2 用户行为数据预处理功能 | 第48-49页 |
| 4.2.3 用户兴趣分析功能 | 第49-50页 |
| 4.2.4 图书推荐功能 | 第50-51页 |
| 4.2.5 推荐展示功能 | 第51页 |
| 4.2.6 用户推荐反馈功能 | 第51-52页 |
| 4.3 搜索引擎下的推荐系统非功能需求 | 第52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 推荐系统的设计 | 第53-64页 |
| 5.1 系统组成架构 | 第53-54页 |
| 5.2 系统层次架构设计 | 第54-55页 |
| 5.3 推荐系统功能设计 | 第55-61页 |
| 5.3.1 系统总体功能设计 | 第55-56页 |
| 5.3.2 个性化推荐功能详细设计 | 第56-61页 |
| 5.4 推荐系统数据库设计 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 推荐系统的实现 | 第64-77页 |
| 6.1 系统开发环境 | 第64页 |
| 6.2 系统运行环境 | 第64-65页 |
| 6.3 系统功能实现及核心代码展示 | 第65-76页 |
| 6.3.1 数据预处理功能实现 | 第65-68页 |
| 6.3.2 用户兴趣分析功能实现 | 第68-69页 |
| 6.3.3 图书推荐功能实现 | 第69-75页 |
| 6.3.4 图书推荐功能展示 | 第75-76页 |
| 6.4 本章小结 | 第76-77页 |
| 第七章 推荐系统的测试 | 第77-84页 |
| 7.1 测试环境 | 第77页 |
| 7.2 系统功能测试 | 第77-78页 |
| 7.3 系统性能测试 | 第78-80页 |
| 7.4 算法实验分析 | 第80-83页 |
| 7.4.1 数据集 | 第80页 |
| 7.4.2 算法评价指标 | 第80-81页 |
| 7.4.3 实验结果分析 | 第81-83页 |
| 7.5 本章小结 | 第83-84页 |
| 第八章 全文总结与展望 | 第84-86页 |
| 8.1 全文总结 | 第84-85页 |
| 8.2 后续工作展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |