| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及选题意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究工作 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 推荐引擎概述及相关技术简介 | 第14-26页 |
| 2.1 推荐引擎概述 | 第14-15页 |
| 2.1.1 什么是推荐引擎 | 第14页 |
| 2.1.2 推荐引擎的工作原理 | 第14-15页 |
| 2.2 推荐引擎的分类 | 第15-17页 |
| 2.3 协同过滤技术简介 | 第17-23页 |
| 2.3.1 用户喜好数据 | 第17-19页 |
| 2.3.2 相似度计算方法 | 第19-21页 |
| 2.3.3 计算推荐方法 | 第21-22页 |
| 2.3.4 应用场景及优势比较 | 第22-23页 |
| 2.4 Hadoop 平台及计算框架的介绍 | 第23-25页 |
| 2.4.1 HDFS 基本架构 | 第23-24页 |
| 2.4.2 MapReduce 计算框架 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 推荐引擎分析与设计 | 第26-43页 |
| 3.1 系统目标 | 第26页 |
| 3.2 系统需求分析 | 第26-29页 |
| 3.2.1 系统架构 | 第26-28页 |
| 3.2.2 系统工作流程 | 第28-29页 |
| 3.3 推荐引擎的总体设计 | 第29-34页 |
| 3.3.1 Mahout 框架 | 第30-31页 |
| 3.3.2 推荐引擎的结构设计 | 第31-32页 |
| 3.3.3 推荐器的工作流程设计 | 第32-34页 |
| 3.4 推荐引擎的核心算法设计 | 第34-41页 |
| 3.4.1 推荐器的核心算法计算过程 | 第34-37页 |
| 3.4.2 基于用户的算法设计 | 第37-39页 |
| 3.4.3 基于物品的算法设计 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 推荐引擎的实现 | 第43-65页 |
| 4.1 两种推荐引擎的实现 | 第43-55页 |
| 4.1.1 Item-based CF 推荐引擎的具体实现 | 第43-50页 |
| 4.1.2 User-based CF 推荐引擎的具体实现 | 第50-55页 |
| 4.2 推荐引擎的运行结果 | 第55-57页 |
| 4.3 数据库的设计与实现 | 第57-61页 |
| 4.3.1 数据库的设计 | 第58-60页 |
| 4.3.2 数据库交互的实现 | 第60-61页 |
| 4.4 Web 管理系统页面实现 | 第61-64页 |
| 4.4.1 用户管理 | 第61-62页 |
| 4.4.2 任务管理 | 第62-63页 |
| 4.4.3 系统设置管理 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 推荐引擎评测 | 第65-69页 |
| 5.1 实验环境与实验数据集 | 第65页 |
| 5.1.1 实验运行环境 | 第65页 |
| 5.1.2 实验数据集 | 第65页 |
| 5.2 实验方案设计 | 第65-66页 |
| 5.3 实验结果分析 | 第66-67页 |
| 5.4 推荐引擎的应用展示 | 第67-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-70页 |
| 6.1 总结的内容 | 第69页 |
| 6.2 展望的内容 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |