| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究意义和背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 研究内容及意义 | 第15-16页 |
| 1.4 本文工作及组织结构 | 第16-17页 |
| 第2章 大数据可视化技术与推荐算法 | 第17-28页 |
| 2.1 Hadoop生态系统 | 第17-19页 |
| 2.1.1 分布式文件系统HDFS | 第17-19页 |
| 2.1.2 可视化分析R语言 | 第19页 |
| 2.2 MapReduce与Spark | 第19-23页 |
| 2.2.1 计算模型之MapReduce | 第19-20页 |
| 2.2.2 计算模型之Spark | 第20-23页 |
| 2.3 推荐系统与推荐算法 | 第23-28页 |
| 2.3.1 推荐系统 | 第23-24页 |
| 2.3.2 推荐算法 | 第24-28页 |
| 第3章 大数据可视化模型的协同过滤算法的研究 | 第28-42页 |
| 3.1 大数据处理与并行计算理论 | 第28页 |
| 3.2 大数据可视化模型 | 第28-30页 |
| 3.2.1 系统模型设计 | 第28-29页 |
| 3.2.2 算法模型设计 | 第29-30页 |
| 3.3 大数据可视化模型设计分析 | 第30-31页 |
| 3.4 基于大数据可视化模型的推荐算法研究 | 第31-42页 |
| 3.4.0 算法设计 | 第31-32页 |
| 3.4.1 算法实现 | 第32-35页 |
| 3.4.2 实验分析 | 第35-38页 |
| 3.4.2.1 复杂度分析 | 第35-37页 |
| 3.4.2.2 性能分析 | 第37-38页 |
| 3.4.3 实验结果分析 | 第38-41页 |
| 3.4.4 实验结论 | 第41-42页 |
| 第4章 基于大数据框架实时推荐系统设计与实现 | 第42-59页 |
| 4.1 系统需求分析 | 第42-44页 |
| 4.2 系统设计 | 第44-52页 |
| 4.2.1 技术背景及技术方案 | 第44-46页 |
| 4.2.1.1 Mahout框架 | 第44页 |
| 4.2.1.2 Storm框架 | 第44-46页 |
| 4.2.1.3 SSH架构 | 第46页 |
| 4.2.2 系统设计 | 第46-52页 |
| 4.2.2.1 设计目标 | 第47-48页 |
| 4.2.2.2 系统的功能结构 | 第48-49页 |
| 4.2.2.3 系统流程图 | 第49-50页 |
| 4.2.2.3 数据库设计 | 第50-52页 |
| 4.3 系统实现 | 第52-57页 |
| 4.3.0 集群的搭建与部署及开发环境 | 第52页 |
| 4.3.1 Hadoop与Spark环境配置 | 第52-53页 |
| 4.3.2 大数据实际生产系统效果 | 第53-57页 |
| 4.3.2.1 基于WEB可视化界面的集群配置开发 | 第53页 |
| 4.3.2.2 基于WEB可视化界面的Hadoop文件相关操作 | 第53-54页 |
| 4.3.2.3 基于WEB可视化界面的序列化文件进行转换操作 | 第54-55页 |
| 4.3.2.4 基于WEB可视化界面的Mahout算法集成 | 第55-56页 |
| 4.3.2.5 基于WEB可视化界面的实时推荐系统的应用 | 第56-57页 |
| 4.4 本章小结 | 第57-59页 |
| 结论与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 附录 A 攻读硕士学位期间发表的学术论文与参与的科研项目 | 第66页 |
