| 论文摘要 | 第4-5页 |
| abstract of thesis | 第5-7页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.2.1 大数据发展现状分析 | 第7-8页 |
| 1.2.2 推荐系统研究现状分析 | 第8-9页 |
| 1.3 研究目的和意义 | 第9-10页 |
| 1.4 论文主要工作 | 第10页 |
| 1.5 论文组织结构 | 第10-11页 |
| 2 相关技术和工具的介绍 | 第11-15页 |
| 2.1 Hadoop 概述 | 第11-13页 |
| 2.1.1 MapReduce 简介 | 第12-13页 |
| 2.1.2 HDFS简介 | 第13页 |
| 2.2 Mahout 概述 | 第13-15页 |
| 3 协同过滤算法的研究 | 第15-24页 |
| 3.1 协同过滤算法简介 | 第15页 |
| 3.2 基于用户的协同过滤算法 | 第15-19页 |
| 3.2.1 算法原理 | 第15-16页 |
| 3.2.2 算法过程 | 第16-19页 |
| 3.3 基于物品的协同过滤算法 | 第19-22页 |
| 3.3.1 算法原理 | 第19-20页 |
| 3.3.2 算法过程 | 第20-22页 |
| 3.4 基于用户和基于物品的协同过滤算法的比较 | 第22页 |
| 3.5 基于用户和基于物品的协同过滤算法存在的问题 | 第22-24页 |
| 4 基于协同过滤的推荐算法的实现 | 第24-40页 |
| 4.1 环境搭建 | 第24-29页 |
| 4.1.1 安装配置JDK | 第24页 |
| 4.1.2 安装配置 Hadoop | 第24-28页 |
| 4.1.3 安装配置 Mahout | 第28-29页 |
| 4.2 实验数据 | 第29-30页 |
| 4.3 数据分析和生成读者评价 | 第30-34页 |
| 4.4 算法实现 | 第34-40页 |
| 4.4.1 基于用户的协同过滤算法的单机实现 | 第34-35页 |
| 4.4.2 基于物品的协同过滤算法的单机实现 | 第35-36页 |
| 4.4.3 基于物品的协同过滤算法的分布式实现 | 第36-40页 |
| 5 结论 | 第40-41页 |
| 5.1 文章总结 | 第40页 |
| 5.2 研究的不足与展望 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44页 |