致谢 | 第1-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-9页 |
目录 | 第9-12页 |
第1章 绪论 | 第12-16页 |
·论文的研究背景及意义 | 第12-13页 |
·大数据时代 | 第12-13页 |
·电子商务的发展趋势 | 第13页 |
·研究内容和创新 | 第13-14页 |
·研究内容 | 第13-14页 |
·研究创新 | 第14页 |
·研究意义 | 第14-15页 |
·技术路线 | 第15-16页 |
第2章 相关理论 | 第16-26页 |
·大数据概述 | 第16-17页 |
·大数据概念 | 第16页 |
·大数据的价值 | 第16-17页 |
·Hadoop技术背景 | 第17-18页 |
·Hadoop概述 | 第17-18页 |
·MapReduce简介 | 第18页 |
·MapReduce编程模型 | 第18-20页 |
·MapReduce执行流程 | 第18-19页 |
·其他关键技术 | 第19-20页 |
·MapReduce挖掘技术的特点 | 第20页 |
·个性化推荐理论 | 第20-21页 |
·个性化推荐概述 | 第20-21页 |
·个性化推荐工作原理 | 第21页 |
·电子商务个性化推荐的主要技术 | 第21-25页 |
·基于内容的推荐技术 | 第21-22页 |
·基于协同过滤的推荐技术 | 第22-23页 |
·基于数据挖掘技术的推荐方法 | 第23-25页 |
·本章小结 | 第25-26页 |
第3章 文献综述研究 | 第26-34页 |
·MapReduce研究现状 | 第26-27页 |
·电子商务个性化推荐研究现状 | 第27-29页 |
·国内外电子商务推荐研究对比 | 第27页 |
·电子商务推荐系统现状研究 | 第27-29页 |
·电子商务个性化推荐的研究意义 | 第29页 |
·电子商务个性化推荐的算法研究 | 第29-31页 |
·关联规则推荐算法 | 第29-30页 |
·基于内容的推荐算法 | 第30页 |
·协同过滤技术的推荐算法 | 第30-31页 |
·现有推荐算法的存在问题及解决方式 | 第31-33页 |
·推荐现状现存问题 | 第31页 |
·解决方式 | 第31-33页 |
·电子商务个性化推荐系统的评价标准 | 第33-34页 |
第4章 基于MapReduce的电子商务个性化推荐架构设计 | 第34-49页 |
·大数据下的用户数据 | 第34-36页 |
·大数据组成要素 | 第34-35页 |
·MapReduce解决的个性化推荐问题 | 第35-36页 |
·电子商务个性化推荐架构 | 第36-38页 |
·电子商务个性化推荐现状结构 | 第36-37页 |
·改进的电子商务个性化推荐结构设计 | 第37-38页 |
·基于MapReduce的电子商务个性化推荐体系 | 第38-45页 |
·基于MapReduce的电子商务个性化推荐结构设计 | 第38-39页 |
·基于MapReduce的电子商务个性化推荐架构模块分析 | 第39-45页 |
·基于MapReduce的个性化推荐算法研究 | 第45-48页 |
·关联规则挖掘算法概念 | 第45-46页 |
·关联规则并行算法研究 | 第46-47页 |
·传统关联并行算法的不足 | 第47-48页 |
·小结 | 第48-49页 |
第5章 基于MapReduce的关联规则算法优化与证明 | 第49-61页 |
·Aprior算法研究 | 第49-51页 |
·Aprior算法解释 | 第49-50页 |
·Aprior算法的性能改进 | 第50-51页 |
·基于MapReduce的关联规则推荐算法 | 第51-53页 |
·基于MapReduce分割的APD个性化推荐算法 | 第51-52页 |
·基于MapReduce分割的APD推荐算法的证明 | 第52页 |
·基于MapReduce分割的APD推荐算法的实现 | 第52-53页 |
·APD推荐算法的改进和优化 | 第53-55页 |
·APD推荐算法的改进思想 | 第53-54页 |
·APD推荐算法改进解释 | 第54-55页 |
·实例证明 | 第55-60页 |
·改进APD推荐算法的示例 | 第55-59页 |
·改进的APD推荐算法分析证明 | 第59-60页 |
·本章小结 | 第60-61页 |
第6章 总结与展望 | 第61-63页 |
·论文总结 | 第61-62页 |
·研究展望 | 第62-63页 |
参考文献 | 第63-67页 |
作者简历 | 第67-69页 |
学位论文数据集 | 第69页 |