| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及存在问题 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 存在问题 | 第12页 |
| 1.3 研究内容与论文组织框架 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文组织框架 | 第13-15页 |
| 第二章 云计算与推荐技术 | 第15-30页 |
| 2.1 云计算概述 | 第15-16页 |
| 2.1.1 云计算介绍 | 第15页 |
| 2.1.2 云平台下并行处理工具 | 第15-16页 |
| 2.2 Apache Hadoop实现技术 | 第16-20页 |
| 2.2.1 HDFS分布式文件系统 | 第16-17页 |
| 2.2.2 MapReduce编程模型 | 第17-19页 |
| 2.2.3 HBase数据库 | 第19-20页 |
| 2.3 Storm并行流式处理技术 | 第20-22页 |
| 2.4 推荐系统介绍 | 第22-25页 |
| 2.4.1 基于内容的推荐 | 第22-23页 |
| 2.4.2 基于协同过滤的推荐 | 第23-24页 |
| 2.4.3 基于各种技术的混合推荐 | 第24-25页 |
| 2.5 基于协同过滤的推荐技术 | 第25-29页 |
| 2.5.1 基于记忆推荐 | 第25-27页 |
| 2.5.2 基于模型的推荐 | 第27-28页 |
| 2.5.3 云计算环境下协同过滤推荐技术的实现方案 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于项目的并行协同过滤推荐算法的设计与实现 | 第30-39页 |
| 3.1 引言 | 第30-31页 |
| 3.2 基于项目的协同过滤推荐算法 | 第31页 |
| 3.3 基于项目的协同过滤推荐算法的并行化 | 第31-35页 |
| 3.4 数据集的选取与度量方法 | 第35-36页 |
| 3.4.1 实验平台与数据集 | 第35页 |
| 3.4.2 度量方法 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 基于项目协同过滤与基于项目内容的混合推荐 | 第39-48页 |
| 4.1 引言 | 第39-40页 |
| 4.2 混合推荐算法与并行化 | 第40-44页 |
| 4.2.1 混合推荐算法 | 第40-41页 |
| 4.2.2 混合推荐并行化 | 第41-44页 |
| 4.3 数据集的选取与度量方法 | 第44-45页 |
| 4.3.1 实验平台与数据集 | 第44页 |
| 4.3.2 度量方法 | 第44-45页 |
| 4.4 实验结果及分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-58页 |
| 致谢 | 第58-59页 |
| 附录 攻读硕士学位期间发表论文情况 | 第59页 |