| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·推荐系统及推荐算法研究现状 | 第11-12页 |
| ·推荐算法的并行化研究现状 | 第12-13页 |
| ·研究内容和技术路线 | 第13-15页 |
| ·论文的组织结构 | 第15-16页 |
| 第二章 相关技术介绍 | 第16-25页 |
| ·推荐系统 | 第16页 |
| ·常用推荐算法 | 第16-21页 |
| ·基于内容的推荐 | 第17页 |
| ·基于关联规则的推荐 | 第17页 |
| ·协同过滤推荐 | 第17-21页 |
| ·Hadoop平台介绍 | 第21-24页 |
| ·HDFS分布式文件系统 | 第22-23页 |
| ·MapReduce计算模型 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 基于IALM和填充可信度的协同过滤算法 | 第25-37页 |
| ·IALM算法与指数遗忘函数 | 第25-27页 |
| ·IALM算法 | 第25-26页 |
| ·指数遗忘函数 | 第26-27页 |
| ·基于IALM和填充可信度的协同过滤算法 | 第27-31页 |
| ·基于IALM算法的协同过滤算法 | 第27-28页 |
| ·填充可信度 | 第28-29页 |
| ·基于IALM和填充可信度的协同过滤算法 | 第29-31页 |
| ·算法分析 | 第31页 |
| ·实验与分析 | 第31-36页 |
| ·实验数据 | 第31-32页 |
| ·评价标准 | 第32页 |
| ·实验方案 | 第32-33页 |
| ·实验结果及其分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于IALM和填充可信度的协同过滤算法的并行化 | 第37-52页 |
| ·矩阵填充的MapReduce处理流程设计 | 第37-42页 |
| ·加权评分数据的MapReduce处理流程设计 | 第42-43页 |
| ·评分均值及均值差的MapReduce处理流程设计 | 第43-44页 |
| ·项目k近邻的MapReduce处理流程设计 | 第44-46页 |
| ·预测评分的MapReduce处理流程设计 | 第46-47页 |
| ·实验与分析 | 第47-50页 |
| ·实验数据 | 第47页 |
| ·评价标准 | 第47-48页 |
| ·实验方案 | 第48页 |
| ·实验结果及其分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 基于Hadoop的推荐系统设计 | 第52-58页 |
| ·系统需求分析 | 第52页 |
| ·需求概述 | 第52页 |
| ·运行环境概述 | 第52页 |
| ·系统设计 | 第52-53页 |
| ·系统实现 | 第53-56页 |
| ·Hadoop平台及MATLAB运行环境的配置 | 第55页 |
| ·系统搭建 | 第55-56页 |
| ·推荐算法部署 | 第56页 |
| ·系统推荐结果对比分析 | 第56-57页 |
| ·实验方案 | 第56页 |
| ·实验结果与分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |