| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1. 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2. 视频推荐相关技术综述 | 第16-25页 |
| 2.1 协同过滤推荐算法简介 | 第16-18页 |
| 2.1.1 基于User-Based的协同过滤推荐算法 | 第17-18页 |
| 2.1.2 基于Item-Based的协同过滤推荐算法 | 第18页 |
| 2.2 典型视频推荐系统架构 | 第18-19页 |
| 2.3 Apache Mahout | 第19-20页 |
| 2.4 Hadoop技术 | 第20-24页 |
| 2.4.1 Hadoop分布式文件系统HDFS | 第21-22页 |
| 2.4.2 资源管理框架YARN | 第22-23页 |
| 2.4.3 MapReduce模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3. 基于聚类的用户搜索方法 | 第25-30页 |
| 3.1 相关概述 | 第25页 |
| 3.2 基于聚类的用户搜索 | 第25-27页 |
| 3.3 预测打分与推荐实现 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4. 协同过滤推荐算法研究 | 第30-38页 |
| 4.1 相关背景 | 第30-31页 |
| 4.1.1 Mahout中协同过滤推荐构建方法 | 第30-31页 |
| 4.1.2 协同过滤推荐算法存在的问题 | 第31页 |
| 4.2 改进的协同过滤推荐算法 | 第31-34页 |
| 4.2.1 一种计算用户相似度的新方法 | 第32页 |
| 4.2.2 采用收缩相关系数对相似度进行优化 | 第32-33页 |
| 4.2.3 K近邻的选择与推荐列表生成 | 第33-34页 |
| 4.3 实验与结果分析 | 第34-37页 |
| 4.3.1 实验设计 | 第34-35页 |
| 4.3.2 结果与分析 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5. 基于Hadoop的视频推荐算法并行化处理 | 第38-46页 |
| 5.1 相关背景 | 第38-39页 |
| 5.2 推荐算法并行化处理 | 第39-43页 |
| 5.2.1 基于Item-Based的协同过滤推荐算法并行化 | 第39-42页 |
| 5.2.2 构建视频关系网 | 第42-43页 |
| 5.2.3 视频推荐处理 | 第43页 |
| 5.3 实验与结果分析 | 第43-45页 |
| 5.3.1 实验设计 | 第43-44页 |
| 5.3.2 结果与分析 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 6. 基于Hadoop的视频推荐原型系统 | 第46-60页 |
| 6.1 原型系统分析 | 第46-50页 |
| 6.1.1 系统架构 | 第46-47页 |
| 6.1.2 系统整体工作流程 | 第47-48页 |
| 6.1.3 集群分布式环境配置 | 第48-50页 |
| 6.2 系统功能设计与实现 | 第50-59页 |
| 6.2.1 系统设计 | 第51-57页 |
| 6.2.2 系统实现 | 第57-59页 |
| 6.3 本章小结 | 第59-60页 |
| 7. 总结与展望 | 第60-62页 |
| 7.1 全文总结 | 第60页 |
| 7.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 学位论文数据集表 | 第68-69页 |
