| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| CONTENS | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要工作及结构安排 | 第15-17页 |
| 第二章 电子商务推荐系统及Hadoop平台 | 第17-35页 |
| 2.1 电子商务推荐系统概述 | 第17-19页 |
| 2.1.1 电子商务推荐系统的作用 | 第17-18页 |
| 2.1.2 电子商务推荐系统的结构 | 第18-19页 |
| 2.2 电子商务推荐算法分类 | 第19-27页 |
| 2.2.1 协同过滤推荐算法 | 第19-24页 |
| 2.2.2 基于关联规则的推荐算法 | 第24-25页 |
| 2.2.3 基于内容的推荐算法 | 第25-26页 |
| 2.2.4 混合推荐算法 | 第26-27页 |
| 2.2.5 其他常见推荐算法 | 第27页 |
| 2.3 Hadoop平台及其计算框架 | 第27-34页 |
| 2.3.1 HDFS分布式文件系统 | 第28-31页 |
| 2.3.2 MapReduce分布式计算框架 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于Hadoop的电子商务推荐系统设计 | 第35-47页 |
| 3.1 基于Hadoop电子商务推荐系统总体架构设计 | 第35-39页 |
| 3.1.1 基于HDFS和MySQL集群的存储设计 | 第36-37页 |
| 3.1.2 基于MapReduce的推荐算法并行化 | 第37-39页 |
| 3.2 基于Hadoop的推荐引擎设计 | 第39-42页 |
| 3.3 基于Hadoop的电子商务推荐引擎算法设计 | 第42-46页 |
| 3.3.1 基于用户的协同过滤引擎算法设计 | 第42-43页 |
| 3.3.2 基于物品的协同过滤引擎算法设计 | 第43-44页 |
| 3.3.3 混合方法推荐引擎算法设计 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于Hadoop的电子商务推荐算法 | 第47-59页 |
| 4.1 数据预处理及其MapReduce化 | 第47-49页 |
| 4.2 UBCF算法的并行化 | 第49-53页 |
| 4.2.1 用户相似度计算 | 第49-51页 |
| 4.2.2 评分预测 | 第51-53页 |
| 4.3 IBCF算法的并行化 | 第53-56页 |
| 4.3.1 项目相似度计算 | 第53-55页 |
| 4.3.2 评分预测 | 第55-56页 |
| 4.4 混合推荐算法的并行化 | 第56-58页 |
| 4.4.1 相似性计算 | 第57页 |
| 4.4.2 评分预测 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 实验与评测 | 第59-63页 |
| 5.1 数据集 | 第59页 |
| 5.2 实验环境 | 第59-60页 |
| 5.3 衡量标准 | 第60-61页 |
| 5.4 实验结果与分析 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文和参加的研究项目 | 第69-71页 |
| 致谢 | 第71页 |
