| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·国内外发展现状 | 第8-9页 |
| ·本文所做的工作 | 第9-10页 |
| ·论文结构安排 | 第10-11页 |
| 第二章 个性化推荐系统概述 | 第11-17页 |
| ·什么是个性化推荐系统 | 第11页 |
| ·现有的个性化推荐系统概述 | 第11-12页 |
| ·常见的推荐算法 | 第12-13页 |
| ·基于用户的协同过滤算法 | 第12页 |
| ·基于物品的协同过滤算法 | 第12页 |
| ·基于内容的推荐算法 | 第12-13页 |
| ·基于关联规则的推荐算法 | 第13页 |
| ·冷启动 | 第13页 |
| ·SLOPE ONE 算法 | 第13-14页 |
| ·个性化推荐系统在移动应用管理系统上的应用 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 第三章 HADOOP 的整体框架和核心技术 | 第17-33页 |
| ·HADOOP 的基本架构模型 | 第18-19页 |
| ·分布式文件系统 HDFS | 第19-20页 |
| ·主从式 HDFS | 第20页 |
| ·MAP/REDUCE 并行编程模型在 HADOOP 中的实现 | 第20-26页 |
| ·HADOOP 中的 MAP/REDUCE 实现机制 | 第21-26页 |
| ·HBASE 基础 | 第26-32页 |
| ·HBASE 体系结构 | 第26-27页 |
| ·HBASE 的数据模型 | 第27-28页 |
| ·.META.TABLE 和-ROOT-以及 ZOOKEEPER | 第28-29页 |
| ·HBASE 示例 | 第29-31页 |
| ·HBASE 与关系型数据库管理系统的区别 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 移动应用管理系统整体架构设计 | 第33-39页 |
| ·系统模型设计框架 | 第33-36页 |
| ·系统模型设计基本框架 | 第33-35页 |
| ·系统模型运行原理 | 第35页 |
| ·BI 层与后台的交互 | 第35-36页 |
| ·基于 HADOOP 的分布式存储设计 | 第36-38页 |
| ·HBASE 数据库表格的设计 | 第36-38页 |
| ·MAP/REDUCE 设计算法的工作机制 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 HADOOP 下的 SLOPE ONE 及其改进算法的实现 | 第39-55页 |
| ·SLOPE 算法及加权 SLOPE ONE 算法 | 第39-41页 |
| ·SLOPE ONE 算法原型 | 第39-41页 |
| ·SLOPE ONE 加权算法 | 第41页 |
| ·算法分析 | 第41-42页 |
| ·基于 MAP/REDUCE 的 SLOPE ONE 算法的实现 | 第42-47页 |
| ·算法输入的要求 | 第43-44页 |
| ·算法分解和执行 | 第44-47页 |
| ·SLOPE ONE 算法的改进及其实现 | 第47-54页 |
| ·基于用户的 SLOPE ONE 算法 | 第47-48页 |
| ·基于用户的 SLOPE ONE 的算法 MAP/REDUCE 化及分析 | 第48-50页 |
| ·基于标签的 SLOPE ONE 算法 | 第50-52页 |
| ·基于标签的 SLOPE ONE 的算法 MAP/REDUCE 化及分析 | 第52-54页 |
| ·基于用户和标签的 SLOPE ONE 的算法 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第六章 SLOPE ONE 算法及其改进的算法的结果对比验证 | 第55-65页 |
| ·实验环境 | 第55-56页 |
| ·实验所需软硬件环境 | 第55页 |
| ·本实验所采用的数据集 | 第55-56页 |
| ·实验结果分析 | 第56-63页 |
| ·本实验误差分析 | 第56页 |
| ·实验结果对比以及分析 | 第56-62页 |
| ·实验结论 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第七章 总结与展望 | 第65-67页 |
| ·本文工作总结 | 第65页 |
| ·展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
