| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究及应用现状 | 第11-12页 |
| 1.3 论文的主要研究内容 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第二章 相关理论与技术介绍 | 第14-27页 |
| 2.1 数据挖掘概述 | 第14-17页 |
| 2.1.1 数据挖掘任务 | 第14-15页 |
| 2.1.2 数据挖掘流程 | 第15-17页 |
| 2.2 个性化推荐技术研究现状 | 第17-21页 |
| 2.2.1 基于内容推荐技术 | 第17-18页 |
| 2.2.2 协同过滤推荐技术 | 第18-21页 |
| 2.2.3 混合推荐技术 | 第21页 |
| 2.3 Hadoop分布式计算框架介绍 | 第21-26页 |
| 2.3.1 分布式文件系统HDFS | 第21-22页 |
| 2.3.2 并行化计算框架MapReduce的原理与特点 | 第22-24页 |
| 2.3.3 Hive原理与特点 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于协同过滤的领域特征值感知推荐方法研究 | 第27-34页 |
| 3.1 DFAR的领域特征值提取 | 第27-28页 |
| 3.2 DFAR的用户偏好模型优化 | 第28-29页 |
| 3.3 DFAR的个性化推荐实现 | 第29-31页 |
| 3.3.1 相似度计算 | 第29-30页 |
| 3.3.2 产生推荐 | 第30-31页 |
| 3.4 性能对比与分析 | 第31-33页 |
| 3.4.1 指标介绍 | 第31-32页 |
| 3.4.2 结果对比与分析 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于Hadoop的个性化书籍推荐系统的设计 | 第34-49页 |
| 4.1 书籍推荐系统需求分析 | 第34-35页 |
| 4.2 书籍推荐系统架构设计 | 第35-36页 |
| 4.3 数据收集子系统 | 第36-44页 |
| 4.3.1 分布式并行化爬虫设计 | 第36-42页 |
| 4.3.2 分布式文件系统HDFS设计 | 第42-44页 |
| 4.4 数据处理子系统设计 | 第44-47页 |
| 4.4.1 基于Hadoop的DFAR推荐方法设计 | 第44-46页 |
| 4.4.2 基于Hadoop的DFAR推荐方法实现 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 系统测试与分析 | 第49-55页 |
| 5.1 测试平台搭建 | 第49-50页 |
| 5.2 测试结果与分析 | 第50-51页 |
| 5.3 数据显示子系统设计与实现 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55-56页 |
| 6.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 致谢 | 第61页 |
