| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 推荐技术面临的问题 | 第15-16页 |
| 1.4 本文的工作 | 第16-17页 |
| 1.5 论文结构 | 第17-18页 |
| 第二章 音乐推荐系统及相关技术 | 第18-23页 |
| 2.1 音乐推荐系统 | 第18-19页 |
| 2.2 推荐系统相关技术 | 第19-22页 |
| 2.2.1 基于内容的推荐算法 | 第19-20页 |
| 2.2.2 协同过滤推荐算法 | 第20-22页 |
| 2.2.3 基于关联规则的推荐算法 | 第22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于内容的推荐算法改进与实现 | 第23-36页 |
| 3.1 音乐标签的设计 | 第23-24页 |
| 3.2 Simhash算法 | 第24-26页 |
| 3.2.1 Simhash算法原理 | 第24-25页 |
| 3.2.2 Simhash算法应用 | 第25-26页 |
| 3.3 K-means聚类算法 | 第26-27页 |
| 3.3.1 K-means聚类算法原理 | 第26页 |
| 3.3.2 K-means聚类算法应用 | 第26-27页 |
| 3.4 基于内容的推荐算法具体实现 | 第27-29页 |
| 3.5 实验结果与分析 | 第29-35页 |
| 3.5.1 Simhash算法采用的字符串hash函数性能测试 | 第29-30页 |
| 3.5.2 聚类算法结果分析 | 第30-32页 |
| 3.5.3 聚类算法簇间分布结果分析 | 第32-34页 |
| 3.5.4 聚类算法耗时比较 | 第34-35页 |
| 3.5.5 聚类算法存储空间比较 | 第35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 分布式协同过滤算法改进与实现 | 第36-56页 |
| 4.1 Hadoop平台及Mahout算法集的介绍 | 第36-37页 |
| 4.1.1 Hadoop平台框架 | 第36-37页 |
| 4.1.2 Mahout算法集 | 第37页 |
| 4.2 分布式协同过滤算法研究 | 第37-43页 |
| 4.2.1 Mahout基于项目分布式协同过滤算法的实现 | 第38-40页 |
| 4.2.2 Mahout基于项目分布式协同过滤算法存在的问题 | 第40页 |
| 4.2.3 Mahout基于项目分布式协同过滤算法的改进 | 第40-43页 |
| 4.3 基于用户的分布式协同过滤推荐算法实现 | 第43-50页 |
| 4.3.1 生成项目向量和共现矩阵 | 第43-46页 |
| 4.3.2 另一种矩阵乘 | 第46页 |
| 4.3.3 矩阵乘MapReduce实现 | 第46-49页 |
| 4.3.4 形成推荐列表 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-55页 |
| 4.4.1 推荐质量评估 | 第51-53页 |
| 4.4.2 推荐质量改善 | 第53-55页 |
| 4.4.3 推荐算法运行时间比较 | 第55页 |
| 4.5 本章小节 | 第55-56页 |
| 第五章 音乐推荐引擎原型系统实现 | 第56-67页 |
| 5.1 系统架构设计 | 第56-58页 |
| 5.2 系统架构具体实现 | 第58-63页 |
| 5.2.1 架构层次设计与实现 | 第59-60页 |
| 5.2.2 数据库设计与实现 | 第60-61页 |
| 5.2.3 功能模块设计与实现 | 第61-62页 |
| 5.2.4 界面设计与实现 | 第62-63页 |
| 5.3 实验结果与分析 | 第63-66页 |
| 5.4 本章小节 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |
