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 |