| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 PageRank算法研究现状 | 第11-12页 |
| 1.2.2 MapReduce方法研究现状 | 第12-13页 |
| 1.3 课题的研究内容 | 第13-15页 |
| 第2章 相关理论与技术 | 第15-22页 |
| 2.1 PageRank算法介绍 | 第15-17页 |
| 2.1.1 PageRank算法的基本概念 | 第15-17页 |
| 2.1.2 PageRank算法的优缺点 | 第17页 |
| 2.2 分布式计算 | 第17-19页 |
| 2.2.1 分布式计算思想 | 第17-18页 |
| 2.2.2 MapReduce并行编程模型 | 第18-19页 |
| 2.2.3 Hadoop分布式计算框架 | 第19页 |
| 2.3 基于MapReduce的PageRank算法 | 第19-21页 |
| 2.3.1 基本原理及实现 | 第19-21页 |
| 2.3.2 算法的不足 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 子图估算PageRank算法 | 第22-30页 |
| 3.1 topK-Rank算法详述 | 第22-26页 |
| 3.1.1 估值的上下限 | 第22-25页 |
| 3.1.2 子拓扑图 | 第25-26页 |
| 3.2 topK-Rank算法的MapReduce实现 | 第26-28页 |
| 3.2.1 算法数据准备 | 第26页 |
| 3.2.2 算法执行过程 | 第26-27页 |
| 3.2.3 topK-Rank算法伪代码设计 | 第27-28页 |
| 3.3 算法的正确性 | 第28页 |
| 3.4 算法的时间复杂度 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 个性化智能推荐的权值分配算法 | 第30-39页 |
| 4.1 算法提出的必要性 | 第30页 |
| 4.2 新算法思想 | 第30-31页 |
| 4.3 新算法详述 | 第31-36页 |
| 4.3.1 文档表示 | 第31页 |
| 4.3.2 关键词位置及长度加权的改进式TF-IDF研究 | 第31-33页 |
| 4.3.3 文本间相似度计算 | 第33-34页 |
| 4.3.4 用户习性爱好提取及数据化 | 第34-36页 |
| 4.4 新算法实现流程 | 第36-37页 |
| 4.5 算法可行性分析 | 第37-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第5章 实验与分析 | 第39-47页 |
| 5.1 实验数据验证子图估算PageRank算法 | 第39-42页 |
| 5.1.1 实验平台与数据 | 第39页 |
| 5.1.2 实验及结果分析 | 第39-42页 |
| 5.2 个性化智能推荐算法的实验数据验证 | 第42-45页 |
| 5.2.1 验证过程 | 第42-45页 |
| 5.2.2 实验结果分析 | 第45页 |
| 5.3 本章小结 | 第45-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 攻读硕士学位期间所发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
