| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 协同过滤算法的研究现状 | 第10-11页 |
| 1.2.2 分布式计算的研究现状 | 第11-12页 |
| 1.2.3 基于矩阵分解的协同过滤算法的并行化研究现状 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-15页 |
| 第2章 相关技术研究 | 第15-29页 |
| 2.1 协同过滤推荐算法 | 第15-19页 |
| 2.1.1 基于邻域的协同过滤推荐 | 第16-18页 |
| 2.1.2 基于模型的协同过滤推荐 | 第18-19页 |
| 2.2 分布式计算平台 | 第19-27页 |
| 2.2.1 Hadoop 分布式计算平台 | 第19-25页 |
| 2.2.2 HaLoop 迭代式计算平台 | 第25-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第3章 基于 ALS 的协同过滤算法的并行化 | 第29-39页 |
| 3.1 基于矩阵分解的协同过滤推荐算法 | 第29-30页 |
| 3.2 ALS 算法的基本原理 | 第30-31页 |
| 3.3 ALS 算法单节点运算的效率问题 | 第31-32页 |
| 3.4 ALS 算法的并行化实现原理 | 第32-34页 |
| 3.4.1 数据预处理 | 第32-33页 |
| 3.4.2 并行化实现流程 | 第33-34页 |
| 3.5 Hadoop 分布式缓存减少数据传输 | 第34-36页 |
| 3.6 ALS 算法的并行化实现的特点分析 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第4章 ALS 算法的迭代式 MapReduce 实现方式 | 第39-47页 |
| 4.1 传统的 MapReduce 实现方式的问题分析 | 第39页 |
| 4.2 静态数据的重复传输 | 第39-42页 |
| 4.3 不同迭代过程中相同作业重复创建问题 | 第42-44页 |
| 4.4 无法判断迭代终止条件问题 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 实验结果与分析 | 第47-53页 |
| 5.1 实验环境配置 | 第47-48页 |
| 5.2 实验数据集 | 第48-49页 |
| 5.2.1 Netflix 数据集 | 第48-49页 |
| 5.2.2 Movielens 数据集 | 第49页 |
| 5.3 实验评价标准 | 第49-50页 |
| 5.4 实验结果分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的学术论文 | 第59-61页 |
| 致谢 | 第61页 |
