首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于Hadoop的用户个性化推荐研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-14页
    1.1 论文的研究背景与研究意义第9-10页
        1.1.1 推荐系统第9-10页
        1.1.2 云计算第10页
    1.2 国内外研究现状第10-12页
    1.3 论文研究内容和组织结构第12-13页
    1.4 本章小结第13-14页
第2章 个性化推荐及Hadoop平台第14-26页
    2.1 电子商务个性化推荐系统综述第14-17页
    2.2 个性化推荐主流推荐算法第17-19页
        2.2.1 协同过滤推荐第17页
        2.2.2 基于内容的推荐第17-18页
        2.2.3 基于知识的推荐第18-19页
        2.2.4 混合推荐第19页
    2.3 个性化推荐的评价指标第19-21页
    2.4 个性化推荐面临的挑战第21-22页
    2.5 云计算平台Hadoop概述第22-24页
        2.5.1 分布式文件系统HDFS第22-23页
        2.5.2 并行编程模块MapReduce第23-24页
    2.6 本章小结第24-26页
第3章 协同过滤算法及其改进第26-47页
    3.1 基于用户的协同过滤(UBCF)第26-29页
    3.2 基于项目的协同过滤(IBCF)第29-31页
    3.3 问题的提出及分析第31-34页
        3.3.1 数据稀疏性问题第32-33页
        3.3.2 时间上下文问题第33-34页
    3.4 基于矩阵填充和时间上下文的推荐算法第34-41页
        3.4.1 矩阵填充第34-35页
        3.4.2 引入时间函数第35-37页
        3.4.3 改进算法分析第37页
        3.4.4 改进算法描述第37-41页
    3.5 基于Hadoop的改进协同过滤算法并行化第41-46页
    3.6 本章小结第46-47页
第4章 算法验证及性能分析第47-58页
    4.1 实验环境及数据集第47-49页
        4.1.1 实验环境第47-48页
        4.1.2 实验数据集第48-49页
    4.2 实验评价指标第49-50页
    4.3 实验设计与结果分析第50-57页
    4.4 本章小结第57-58页
第5章 基于Hadoop的电影推荐原型系统的设计与实现第58-68页
    5.1 需求分析第58页
    5.2 基于Hadoop的电影推荐系统整体设计第58-59页
    5.3 系统详细模块设计第59-64页
        5.3.1 用户交互模块设计第59-60页
        5.3.2 推荐引擎模块设计第60-61页
        5.3.3 后台管理模块设计第61-62页
        5.3.4 数据存储模块设计第62-64页
    5.4 电影推荐系统的推荐流程第64-65页
    5.5 系统开发和运行环境第65页
    5.6 运行页面展示第65-67页
        5.6.1 个性化电影推荐界面第65-66页
        5.6.2 后台管理界面第66-67页
    5.7 本章小结第67-68页
第6章 总结与展望第68-70页
    6.1 总结第68-69页
    6.2 展望第69-70页
致谢第70-71页
参考文献第71-73页

论文共73页,点击 下载论文
上一篇:在大数据环境下基于数据流的数据挖掘技术研究
下一篇:嵌入式人脸识别系统的设计与实现