| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 引言 | 第8-13页 |
| ·研究意义和背景 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·推荐技术面临的问题 | 第10-11页 |
| ·研究内容和意义 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 协同过滤技术在推荐系统中的应用 | 第13-25页 |
| ·推荐系统简介 | 第13-15页 |
| ·推荐系统结构 | 第14-15页 |
| ·推荐技术介绍 | 第15-19页 |
| ·协同过滤推荐 | 第15-16页 |
| ·基于内容的推荐 | 第16-18页 |
| ·基于关联规则推荐 | 第18-19页 |
| ·基于内存的协同过滤算法 | 第19-21页 |
| ·基于用户的协同推荐 | 第19-21页 |
| ·基于项目的协同推荐 | 第21页 |
| ·推荐算法比较与评价 | 第21-24页 |
| ·推荐算法比较 | 第22页 |
| ·实验数据集 | 第22-23页 |
| ·传统评价指标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 Hadoop 框架及改进方案 | 第25-35页 |
| ·HADOOP平台 | 第25-30页 |
| ·HDFS 文件系统 | 第26-28页 |
| ·MapReduce 框架 | 第28-30页 |
| ·HADOOP改进分析 | 第30-34页 |
| ·SHadoop 架构设计 | 第31-32页 |
| ·SHadoop 架构实现 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于改进的 Hadoop 推荐算法设计与实现 | 第35-45页 |
| ·问题提出 | 第35-38页 |
| ·基本问题定义 | 第35-37页 |
| ·改进的评价指标 | 第37-38页 |
| ·混合协同过滤算法 | 第38-44页 |
| ·算法思想 | 第38-40页 |
| ·算法流程设计 | 第40-41页 |
| ·算法结合 MapReduce 设计 | 第41-44页 |
| ·算法复杂度分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第五章 实验与分析 | 第45-56页 |
| ·实验环境搭建 | 第45-47页 |
| ·电影推荐系统设计 | 第47-49页 |
| ·系统结构设计 | 第47页 |
| ·系统模块设计 | 第47-48页 |
| ·系统编码设计 | 第48-49页 |
| ·实验结果分析 | 第49-55页 |
| ·推荐技术对比分析 | 第49-52页 |
| ·系统集群对比分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 附录 | 第62页 |