基于Hadoop的微博推荐系统的设计及实现
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-11页 |
| ·本课题的研究进展 | 第11-12页 |
| ·本文研究内容 | 第12-15页 |
| 第二章 相关技术概述 | 第15-27页 |
| ·Hadoop分布式计算框架 | 第15-19页 |
| ·MapReduce原理和特性 | 第16-17页 |
| ·HDFS原理和特性 | 第17-18页 |
| ·Python和Hadoop比较 | 第18页 |
| ·Mahout简介 | 第18-19页 |
| ·数据库 | 第19-22页 |
| ·传统数据库 | 第19-20页 |
| ·NoSQL数据库 | 第20-21页 |
| ·MongoDB | 第21-22页 |
| ·分类推荐算法 | 第22-24页 |
| ·FP-growth算法 | 第22-23页 |
| ·基于用户的协同过滤推荐算法 | 第23-24页 |
| ·基于项的协同过滤算法 | 第24页 |
| ·基于内容的推荐算法 | 第24页 |
| ·分词技术 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 推荐系统概要设计 | 第27-39页 |
| ·推荐系统需求分析 | 第27-29页 |
| ·架构设计 | 第29-37页 |
| ·数据收集子系统 | 第31-33页 |
| ·数据处理子系统 | 第33-35页 |
| ·数据展示子系统 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 推荐系统详细设计与实现 | 第39-71页 |
| ·数据收集子系统的实现 | 第39-48页 |
| ·爬虫的实现 | 第39-44页 |
| ·HDFS文件结构设计 | 第44-46页 |
| ·ETL模块 | 第46-48页 |
| ·数据处理子系统的实现 | 第48-62页 |
| ·词频推荐算法 | 第49-52页 |
| ·用户推荐算法 | 第52-56页 |
| ·微博推荐算法 | 第56-62页 |
| ·数据处理子系统表设计 | 第62页 |
| ·数据展示子系统的实现 | 第62-69页 |
| ·用户管理系统实现 | 第63-66页 |
| ·关键词推荐模块 | 第66页 |
| ·用户推荐 | 第66-67页 |
| ·微博推荐 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第五章 测试与验证 | 第71-81页 |
| ·测试平台架构 | 第71-72页 |
| ·Hadoop平台测试 | 第72-73页 |
| ·系统测试与结果分析 | 第73-80页 |
| ·数据抓取的验证 | 第73页 |
| ·分词的验证 | 第73-75页 |
| ·FP-Growth验证 | 第75-76页 |
| ·微博推荐算法验证 | 第76-78页 |
| ·数据展示模块验证 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 结论与展望 | 第81-85页 |
| ·结论 | 第81-82页 |
| ·展望 | 第82-85页 |
| 参考文献 | 第85-87页 |
| 致谢 | 第87-89页 |
| 个人简历、在学期间发表的论文与研究成果 | 第89页 |
