| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 情感分析研究现状 | 第11-12页 |
| 1.2.2 Spark平台现状 | 第12-13页 |
| 1.2.3 推荐系统现状 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 相关技术介绍 | 第17-26页 |
| 2.1 情感分析 | 第17-19页 |
| 2.1.1 情感分析定义 | 第17页 |
| 2.1.2 情感分析流程 | 第17-19页 |
| 2.1.3 中文分词 | 第19页 |
| 2.2 Spark分布式计算平台 | 第19-21页 |
| 2.2.1 Spark平台概述 | 第20页 |
| 2.2.2 Spark RDD | 第20-21页 |
| 2.2.3 Spark平台运行架构 | 第21页 |
| 2.3 推荐系统 | 第21-25页 |
| 2.3.1 推荐系统综述 | 第22-24页 |
| 2.3.2 推荐系统分类 | 第24页 |
| 2.3.3 推荐系统目前存在的问题 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于朴素贝叶斯的中文情感分析研究与实现 | 第26-33页 |
| 3.1 书评语料的收集与处理 | 第26-28页 |
| 3.1.1 语料数据采集 | 第26-27页 |
| 3.1.2 语料数据分类 | 第27-28页 |
| 3.2 书评语料文本预处理 | 第28-31页 |
| 3.2.1 中文文本分词 | 第28-29页 |
| 3.2.2 构建情感词表 | 第29页 |
| 3.2.3 构建情感词典 | 第29-31页 |
| 3.3 训练朴素贝叶斯分类器 | 第31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于Spark的分布式混合推荐研究与实现 | 第33-43页 |
| 4.1 协同过滤推荐的设计与实现 | 第33-35页 |
| 4.1.1 推荐原理 | 第33-34页 |
| 4.1.2 推荐实现思路 | 第34-35页 |
| 4.2 基于用户图书偏好特征相似度算法的设计与实现 | 第35-38页 |
| 4.2.1 算法原理 | 第35-36页 |
| 4.2.2 实现思路 | 第36-38页 |
| 4.3 混合推荐的设计与实现 | 第38-42页 |
| 4.3.1 推荐原理 | 第38-39页 |
| 4.3.2 推荐实现思路 | 第39-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验结果及分析 | 第43-51页 |
| 5.1 实验数据 | 第43-45页 |
| 5.2 实验结果与分析 | 第45-49页 |
| 5.2.1 情感分析实验 | 第45-47页 |
| 5.2.2 混合推荐实验 | 第47-48页 |
| 5.2.3 分布式实验 | 第48-49页 |
| 5.3 本章小结 | 第49-51页 |
| 第六章 混合推荐系统数据平台的设计与实现 | 第51-60页 |
| 6.1 系统设计 | 第51-53页 |
| 6.1.1 系统框架结构设计 | 第51-52页 |
| 6.1.2 系统原始数据库设计 | 第52-53页 |
| 6.2 系统实现 | 第53-60页 |
| 6.2.1 情感分析模块 | 第53-55页 |
| 6.2.2 协同过滤推荐模块 | 第55-57页 |
| 6.2.3 相似度算法模块 | 第57-58页 |
| 6.2.4 混合推荐模块 | 第58-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 7.1 论文总结 | 第60-61页 |
| 7.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 在校期间的研究成果 | 第66-67页 |
| 致谢 | 第67页 |