| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 研究现状及难点 | 第14-16页 |
| 1.3 标记定义和数据集介绍 | 第16-17页 |
| 1.4 推荐系统评测指标 | 第17-18页 |
| 1.4.1 均方根误差(RMSE) | 第17页 |
| 1.4.2 平均绝对误差(MAE) | 第17-18页 |
| 1.5 本文主要工作 | 第18页 |
| 1.6 本文组织结构 | 第18-20页 |
| 第2章 推荐系统相关技术综述 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 基于内容的推荐算法 | 第20-21页 |
| 2.3 协同过滤推荐算法 | 第21-31页 |
| 2.3.1 基于邻域的协同过滤算法 | 第22-26页 |
| 2.3.2 基于模型的协同过滤算法 | 第26-30页 |
| 2.3.3 协同过滤算法的分析比较 | 第30-31页 |
| 2.4 混合推荐算法 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于Hadoop的协同过滤算法研究 | 第33-52页 |
| 3.1 引言 | 第33页 |
| 3.2 Hadoop平台介绍 | 第33-37页 |
| 3.2.1 MapReduce编程模型 | 第33-35页 |
| 3.2.2 Hadoop分布式框架 | 第35-37页 |
| 3.3 协同过滤算法的并行化求解 | 第37-41页 |
| 3.3.1 Weight-Slope One的并行化求解 | 第37-38页 |
| 3.3.2 RSVD模型的并行化求解 | 第38-41页 |
| 3.4 Weight-Slope One算法的改进 | 第41-46页 |
| 3.4.1 问题分析 | 第41-42页 |
| 3.4.2 对Weight-Slope One算法精度的改进 | 第42-44页 |
| 3.4.3 改进算法的特点分析 | 第44-45页 |
| 3.4.5 实验与评价 | 第45-46页 |
| 3.5 改进的Weight-Slope One算法面临数据稀疏性问题 | 第46-51页 |
| 3.5.1 问题分析 | 第47-48页 |
| 3.5.2 算法面临数据稀疏性问题的改进 | 第48-49页 |
| 3.5.3 改进算法的特点分析 | 第49-50页 |
| 3.5.4 实验与评价 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 混合推荐算法的研究 | 第52-62页 |
| 4.1 基于物品和SVD模型的混合算法 | 第52-54页 |
| 4.2 改进的混合算法提出 | 第54-57页 |
| 4.3 改进的混合算法特点分析 | 第57-58页 |
| 4.4 实验与评价 | 第58-61页 |
| 4.4.1 实验目的 | 第58页 |
| 4.4.2 实验准备 | 第58页 |
| 4.4.3 实验设计 | 第58-59页 |
| 4.4.4 实验结果与分析 | 第59-61页 |
| 4.4.5 实验结论 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-68页 |
| 后记 | 第68页 |
