基于Hadoop平台的混合推荐系统
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-11页 |
| 1.1 背景介绍 | 第9页 |
| 1.2 研究综述 | 第9-10页 |
| 1.2.1 推荐系统 | 第9页 |
| 1.2.2 大数据处理 | 第9-10页 |
| 1.3 研究中的问题 | 第10页 |
| 本章小结 | 第10-11页 |
| 第二章 hadoop相关技术介绍 | 第11-19页 |
| 2.1 Hadoop平台技术介绍 | 第11-14页 |
| 2.1.1 HDFS分布式文件系统介绍 | 第11-12页 |
| 2.1.2 HDFS架构 | 第12页 |
| 2.1.3 元数据和文件数据 | 第12页 |
| 2.1.4 数据存储 | 第12-13页 |
| 2.1.5 数据流 | 第13-14页 |
| 2.2 分布式处理框架—MapReduce | 第14-18页 |
| 2.2.1 MapReduce并行计算模型介绍 | 第15-16页 |
| 2.2.2 Map/Reduce中任务执行 | 第16-18页 |
| 本章小结 | 第18-19页 |
| 第三章 推荐系统综述 | 第19-31页 |
| 3.1 推荐系统的发展历程 | 第19页 |
| 3.2 推荐系统研究的内容 | 第19-22页 |
| 3.2.1 用户建模模块 | 第20-21页 |
| 3.2.2 推荐物品模块 | 第21-22页 |
| 3.3 推荐算法 | 第22-27页 |
| 3.3.1 基于内容的推荐算法 | 第22-23页 |
| 3.3.2 基于知识的推荐算法 | 第23页 |
| 3.3.3 基于用户的协调过滤 | 第23-26页 |
| 3.3.4 推荐算法的混合 | 第26-27页 |
| 3.4 推荐系统的应用 | 第27-29页 |
| 3.4.1 在电子商务中的应用 | 第27-28页 |
| 3.4.2 在视频网站和电影网站的应用 | 第28-29页 |
| 本章小结 | 第29-31页 |
| 第四章 推荐系统的设计 | 第31-51页 |
| 4.1 项目背景 | 第31-32页 |
| 4.1.1 系统设计目的 | 第31-32页 |
| 4.1.2 推荐系统面临的问题 | 第32页 |
| 4.2 基于Hadoop的设计 | 第32-34页 |
| 4.3 数据处理模块的实现 | 第34-38页 |
| 4.4 推荐引擎组 | 第38-48页 |
| 4.4.1 离线计算和在线计算 | 第38-39页 |
| 4.4.2 基于物品的协同过滤 | 第39-42页 |
| 4.4.3 基于用户的协同过滤引擎 | 第42-44页 |
| 4.4.4 SlopeOne推荐引擎 | 第44-46页 |
| 4.4.5 基于概率分析的推荐引擎 | 第46-48页 |
| 4.5 推荐结果处理模块 | 第48-50页 |
| 本章小结 | 第50-51页 |
| 第五章 实验与测评 | 第51-55页 |
| 5.1 数据集 | 第51页 |
| 5.2 实验环境 | 第51-52页 |
| 5.3 实验设计 | 第52页 |
| 5.4 评测结果 | 第52-54页 |
| 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-57页 |
