| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 概述 | 第10-18页 |
| 1.1 项目背景与意义 | 第10-11页 |
| 1.2 国内外研究与开发现状分析 | 第11-15页 |
| 1.2.1 推荐系统 | 第11-12页 |
| 1.2.2 手机应用商城推荐 | 第12-14页 |
| 1.2.3 大数据 | 第14-15页 |
| 1.3 项目的主要工作 | 第15-17页 |
| 1.4 论文的结构 | 第17-18页 |
| 第二章 相关原理与技术 | 第18-29页 |
| 2.1 推荐算法 | 第18-23页 |
| 2.1.1 协同过滤 | 第18-19页 |
| 2.1.2 基于内容的推荐算法 | 第19-21页 |
| 2.1.3 混合推荐 | 第21-22页 |
| 2.1.4 app价值模型 | 第22-23页 |
| 2.1.5 推荐效果衡量方法 | 第23页 |
| 2.2 Hadoop | 第23-29页 |
| 2.2.1 HDFS | 第24-25页 |
| 2.2.2 MapReduce | 第25-27页 |
| 2.2.3 Hbase | 第27-29页 |
| 第三章 iMarket推荐系统需求分析 | 第29-33页 |
| 3.1 iMarket推荐系统需求概述 | 第29页 |
| 3.2 iMarket推荐系统用例分析 | 第29-31页 |
| 3.3 iMarket推荐系统领域分析与建模 | 第31页 |
| 3.4 iMarket推荐系统非功能性需求 | 第31-33页 |
| 第四章 iMarket推荐系统的算法与实现 | 第33-49页 |
| 4.1 电子书籍与动漫推荐算法 | 第33-40页 |
| 4.1.1 电子书籍与动漫推荐算法概述 | 第33-34页 |
| 4.1.2 电子书籍与动漫基于内容推荐算法实现 | 第34-37页 |
| 4.1.3 基于内容推荐算法在Hadoop实现的优化 | 第37-39页 |
| 4.1.4 基于内容推荐算法复杂度 | 第39-40页 |
| 4.2 app推荐算法 | 第40-48页 |
| 4.2.1 app推荐算法概述 | 第40页 |
| 4.2.2 app基于物品协同过滤实现 | 第40-43页 |
| 4.2.3 app协同过滤与基于内容推荐线性结合 | 第43-45页 |
| 4.2.4 app价值模型对部分推荐结果进行调整 | 第45-47页 |
| 4.2.5 app推荐算法复杂度 | 第47-48页 |
| 4.3 推荐结果的过滤规则 | 第48-49页 |
| 第五章 iMarket推荐系统设计 | 第49-57页 |
| 5.1 iMarket推荐系统架构 | 第49-51页 |
| 5.2 iMarket推荐系统数据流程 | 第51-54页 |
| 5.3 iMarket推荐系统代码模块设计 | 第54-57页 |
| 5.3.1 主要代码模块 | 第54-56页 |
| 5.3.2 代码的详细设计 | 第56-57页 |
| 第六章 iMarket推荐系统部署与应用 | 第57-63页 |
| 6.1 iMarket推荐系统线上运行坏境 | 第57-59页 |
| 6.2 iMarket线上推荐服务稳定性的保障 | 第59-60页 |
| 6.3 iMarket推荐结果展示 | 第60-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 总结 | 第63页 |
| 7.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |