| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题主要的研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第2章 相关技术基础 | 第13-24页 |
| 2.1 推荐系统综述 | 第13-19页 |
| 2.1.1 推荐系统的定义 | 第13-14页 |
| 2.1.2 推荐算法介绍 | 第14-16页 |
| 2.1.3 推荐系统的应用 | 第16-19页 |
| 2.2 Hadoop体系架构 | 第19-23页 |
| 2.2.1 Hadoop简介 | 第19-20页 |
| 2.2.2 HDFS分布式文件系统 | 第20-21页 |
| 2.2.3 Map Reduce编程模型 | 第21页 |
| 2.2.4 云存储系统结构 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于Hadoop的最小生成树查询推荐算法 | 第24-32页 |
| 3.1 基于分布式MST的查询推荐方法 | 第24-26页 |
| 3.1.1 算法步骤 | 第24页 |
| 3.1.2 构造二分图 | 第24页 |
| 3.1.3 相似度计算 | 第24-25页 |
| 3.1.4 并行最小生成树聚类算法 | 第25-26页 |
| 3.2 基于Map Reduce的分布式算法实现 | 第26-29页 |
| 3.2.1 基于Map Reduce构造搜索词-链接地址二分图 | 第26-27页 |
| 3.2.2 基于Map Reduce构造全局带权无向图 | 第27-28页 |
| 3.2.3 计算带权无向图的最小生成树 | 第28-29页 |
| 3.3 实验结果及分析 | 第29-31页 |
| 3.3.1 数据集 | 第29页 |
| 3.3.2 实验结果分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于Hadoop的PSVD协同过滤算法 | 第32-37页 |
| 4.1 基于奇异值分解的协同过滤算法 | 第32页 |
| 4.2 基于SVD的协同过滤算法并行化 | 第32-34页 |
| 4.3 实验结果及分析 | 第34-36页 |
| 4.3.1 数据集 | 第34页 |
| 4.3.2 评价指标 | 第34-35页 |
| 4.3.3 实验分析 | 第35-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于Hadoop的原型推荐系统设计与实现 | 第37-43页 |
| 5.1 Hadoop云计算平台与开发环境的搭建与配置 | 第37-38页 |
| 5.2 原型系统设计 | 第38-40页 |
| 5.2.1 系统结构设计 | 第38页 |
| 5.2.2 系统模块设计 | 第38-40页 |
| 5.3 原型系统实现 | 第40-42页 |
| 5.3.1 查询推荐功能实现 | 第40页 |
| 5.3.2 用户输入功能实现 | 第40-41页 |
| 5.3.3 偏好推荐功能实现 | 第41-42页 |
| 5.4 本章小结 | 第42-43页 |
| 第6章 总结与展望 | 第43-44页 |
| 6.1 本文总结 | 第43页 |
| 6.2 未来的工作 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第47-48页 |
| 致谢 | 第48页 |
