| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-10页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状和发展趋势 | 第8-9页 |
| 1.3 本文主要工作 | 第9页 |
| 1.4 文章组织结构 | 第9-10页 |
| 第2章 形式概念分析主要内容 | 第10-19页 |
| 2.1 形式概念分析中涉及的主要理论知识 | 第10-11页 |
| 2.2 经典概念格生成算法的构造 | 第11-18页 |
| 2.2.1 批处理算法 | 第11-13页 |
| 2.2.2 渐进式构造算法 | 第13-15页 |
| 2.2.3 ParallelNextClosure并行算法 | 第15-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 云计算平台和Hadoop以及概念格分布式存储计算 | 第19-32页 |
| 3.1 Hadoop架构 | 第19-23页 |
| 3.1.1 Hadoop核心组件及其实现 | 第19-23页 |
| 3.2 概念格在Hadoop上的分布式存储和并行计算的实现 | 第23-28页 |
| 3.2.1 文件读取及配置 | 第23-24页 |
| 3.2.2 上传文件到HDFS与文件读取 | 第24页 |
| 3.2.3 Map-Reduce实现 | 第24-28页 |
| 3.3 实验环境 | 第28页 |
| 3.4 实验数据及实验结果分析 | 第28-31页 |
| 3.5 本章小节 | 第31-32页 |
| 第4章 概念格与推荐算法 | 第32-40页 |
| 4.1 概念格与关联规则提取 | 第32-34页 |
| 4.1.1 关联规则基础知识 | 第32页 |
| 4.1.2 相似度及预测评分 | 第32-33页 |
| 4.1.3 概念格关联规则推荐 | 第33-34页 |
| 4.2 基于矩阵填充的SVD协同过滤推荐算法 | 第34-36页 |
| 4.2.1 协同过滤算法 | 第34页 |
| 4.2.2 SVD协同过滤算法 | 第34页 |
| 4.2.3 SVD算法原理 | 第34-35页 |
| 4.2.4 矩阵填充算法 | 第35-36页 |
| 4.2.5 基于矩阵填充的svd协同过滤算法(MCSVD) | 第36页 |
| 4.3 预测准确度 | 第36-37页 |
| 4.4 实验分析 | 第37-39页 |
| 4.4.1 实验数据集 | 第37页 |
| 4.4.2 实验设计和结果分析 | 第37-39页 |
| 4.5 本章小节 | 第39-40页 |
| 第5章 总结展望 | 第40-41页 |
| 5.1 总结 | 第40页 |
| 5.2 展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 在读期间发表的学术论文及研究成果 | 第44-45页 |
| 致谢 | 第45页 |
