| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·论文主要章节安排 | 第14-15页 |
| 第二章 推荐系统及云计算的相关技术 | 第15-27页 |
| ·推荐系统简介 | 第15-20页 |
| ·推荐系统的概念 | 第15-16页 |
| ·推荐系统的应用 | 第16-18页 |
| ·推荐系统相关基础知识 | 第18-20页 |
| ·云计算与 Hadoop | 第20-25页 |
| ·云计算的概念 | 第20-23页 |
| ·Hadoop 与 MapReduce | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 推荐算法研究、改进与设计 | 第27-52页 |
| ·现有的推荐算法 | 第27-36页 |
| ·基于内容的推荐算法 | 第27页 |
| ·基于邻域的协同过滤算法算法 | 第27-32页 |
| ·数据降维算法 | 第32-34页 |
| ·Graph-based 算法 | 第34-36页 |
| ·Slope One 算法及其改进 | 第36-47页 |
| ·Slope One 基础算法 | 第37页 |
| ·加权 Slope One 算法 | 第37-38页 |
| ·Bi-polar Slope One 算法 | 第38-39页 |
| ·Slope One 算法的改进 | 第39-41页 |
| ·Slope One 相关算法的 MapReduce 实现 | 第41-47页 |
| ·推荐算法融合设计 | 第47-51页 |
| ·模型融合的方法 | 第47-48页 |
| ·数据集选择 | 第48-49页 |
| ·算法融合设计 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 推荐系统实验方法与性能评测 | 第52-62页 |
| ·实验方法 | 第52-55页 |
| ·离线实验 | 第52-53页 |
| ·用户调查 | 第53-54页 |
| ·在线实验 | 第54-55页 |
| ·评测指标 | 第55-61页 |
| ·用户满意度 | 第55-56页 |
| ·预测准确度 | 第56-59页 |
| ·覆盖率 | 第59页 |
| ·其他评测指标 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 实验结果与分析 | 第62-70页 |
| ·实验环境 | 第62-63页 |
| ·实验硬件环境 | 第62页 |
| ·实验的软件环境 | 第62-63页 |
| ·Hadoop 平台的搭建 | 第63页 |
| ·改进的 Slope One 算法测试实验与结果分析 | 第63-65页 |
| ·数据集分割比例测试实验 | 第63-64页 |
| ·几种 Slope One 算法的性能测试实验 | 第64-65页 |
| ·实验结果分析 | 第65页 |
| ·融合算法测试实验与结果分析 | 第65-68页 |
| ·ItemCF 算法测试实验 | 第65-66页 |
| ·融合算法测试实验 | 第66-68页 |
| ·实验结果分析 | 第68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻硕期间研究成果 | 第77-78页 |