云计算技术在协同过滤推荐中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-16页 |
| 第2章 相关技术研究 | 第16-28页 |
| ·云计算关键技术 | 第16-22页 |
| ·云计算简介 | 第16-17页 |
| ·HDFS介绍 | 第17-18页 |
| ·HBase介绍 | 第18-21页 |
| ·MapReduce介绍 | 第21-22页 |
| ·协同过滤推荐系统关键技术 | 第22-25页 |
| ·协同过滤推荐算法 | 第23-24页 |
| ·相似性度量 | 第24-25页 |
| ·本章小结 | 第25-28页 |
| 第3章 HBase上MapReduce任务研究 | 第28-38页 |
| ·MapReduce在HBase上的扩展 | 第28-31页 |
| ·使用HBase作为数据源 | 第29页 |
| ·使用HBase接收数据 | 第29-30页 |
| ·使用HBase共享数据 | 第30-31页 |
| ·MapReduce数据本地化 | 第31-32页 |
| ·MapReduce在HDFS上的数据本地化 | 第31-32页 |
| ·MapReduce在HBase上的数据本地化 | 第32页 |
| ·对HBase负载策略的改进 | 第32-36页 |
| ·HBase负载均衡策略及存在的问题 | 第33页 |
| ·对HBase负载均衡策略的改进 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于Hadoop平台的推荐引擎设计 | 第38-56页 |
| ·系统架构分析 | 第38-39页 |
| ·基于Hadoop平台的分布式UCF | 第39-47页 |
| ·HBase表结构设计 | 第39-40页 |
| ·MapReduce实现 | 第40-47页 |
| ·基于Hadoop平台的分布式WSO | 第47-54页 |
| ·Slope-one与WSO | 第47-49页 |
| ·DWSO算法分析与设计 | 第49-50页 |
| ·计算项目评分差 | 第50-52页 |
| ·MapReduce和HBase实现联结 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 实验结果与分析 | 第56-66页 |
| ·实验平台 | 第56页 |
| ·平台配置 | 第56-58页 |
| ·Hadoop配置 | 第56-57页 |
| ·HBase配置 | 第57-58页 |
| ·实验数据集 | 第58页 |
| ·实验结果与分析 | 第58-65页 |
| ·数据本地性的比较 | 第58-62页 |
| ·推荐效果的比较 | 第62-63页 |
| ·扩展性的比较 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·本文总结 | 第66-67页 |
| ·研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第74页 |
