| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 章节安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 相关背景知识介绍 | 第16-24页 |
| 2.1 个性化推荐系统概述 | 第16页 |
| 2.2 推荐算法分类 | 第16-18页 |
| 2.2.1 基于内容的推荐 | 第16-18页 |
| 2.2.2 混合推荐 | 第18页 |
| 2.3 基于协同过滤的推荐算法 | 第18-23页 |
| 2.3.1 协同推荐算法基本步骤 | 第19页 |
| 2.3.2 协同过滤相似度计算方法 | 第19-21页 |
| 2.3.3 协同过滤算法的分类 | 第21-22页 |
| 2.3.4 协同过滤的主要特点 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于模糊聚类和隐语义融合模型的协同过滤算法 | 第24-41页 |
| 3.1 引言 | 第24-25页 |
| 3.2 隐语义模型 | 第25-29页 |
| 3.2.1 相关模型理论和方法 | 第25页 |
| 3.2.2 奇异值分解算法原理 | 第25-27页 |
| 3.2.3 隐语义模型 | 第27-29页 |
| 3.3 模糊聚类理论 | 第29-32页 |
| 3.3.1 聚类概述 | 第29页 |
| 3.3.2 模糊聚类算法简介 | 第29-30页 |
| 3.3.3 模糊C均值聚类算法 | 第30-32页 |
| 3.4 基于模糊聚类和隐语义模型的协同过滤算法 | 第32-40页 |
| 3.4.1 问题的提出和分析 | 第32页 |
| 3.4.2 构造项目-混合特征因子矩阵 | 第32-34页 |
| 3.4.3 基于网格聚类的模糊C均值聚类中心选择算法 | 第34-36页 |
| 3.4.4 融合模糊聚类算法的协同过滤算法实现与分析 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 并行化算法PF-FCM的实现与改进 | 第41-55页 |
| 4.1 引言 | 第41-42页 |
| 4.2 基于Hadoop相关概念概述 | 第42-45页 |
| 4.2.1 HDFS相关技术介绍 | 第42-43页 |
| 4.2.2 分布式计算框架MapReduce技术介绍 | 第43-45页 |
| 4.3 基于模糊C均值聚类的协同过滤并行算法研究 | 第45-54页 |
| 4.3.1 相关概念的描述 | 第45-47页 |
| 4.3.2 基于模糊聚类的协同过滤并行化算法的提出 | 第47-49页 |
| 4.3.3 基于MapReduce模型的PF-FCM算法的实现与研究 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 基于PF-FCM协同过滤算法的实证与应用 | 第55-66页 |
| 5.1 实验数据集和环境 | 第55-58页 |
| 5.1.1 实验数据集 | 第55-56页 |
| 5.1.2 实验环境 | 第56-57页 |
| 5.1.3 实验目标与实验评价标准 | 第57-58页 |
| 5.2 实验设计与结果 | 第58-65页 |
| 5.2.1 数据预处理 | 第58-59页 |
| 5.2.2 模糊聚类和隐语义融合模型推荐算法实验结果与分析 | 第59-63页 |
| 5.2.3 PF-FCM算法的性能实验的结果与分析 | 第63-65页 |
| 5.3 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士期间的学术成果 | 第71-72页 |
| 致谢 | 第72页 |
