| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 协同过滤的研究现状 | 第12-13页 |
| 1.2.2 并行计算的研究现状 | 第13-15页 |
| 1.3 本文主要研究内容及贡献 | 第15-16页 |
| 1.4 论文组织结构及课题来源 | 第16-19页 |
| 第2章 相关理论技术概述 | 第19-31页 |
| 2.1 协同过滤算法 | 第19-26页 |
| 2.1.1 基于全局的协同过滤推荐 | 第20-24页 |
| 2.1.2 基于模型的协同过滤推荐 | 第24-25页 |
| 2.1.3 协同过滤推荐算法存在的问题 | 第25-26页 |
| 2.2 Hadoop相关技术 | 第26-30页 |
| 2.2.1 分布式文件系统HDFS | 第26-28页 |
| 2.2.2 分布式编程模型MapReduce | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于非负矩阵分解的协同过滤算法 | 第31-49页 |
| 3.1 NMF-hidden CF算法提出背景 | 第31-35页 |
| 3.1.1 隐含语义分析 | 第32-34页 |
| 3.1.2 奇异值分解 | 第34-35页 |
| 3.2 NMF-hidden CF算法设计 | 第35-41页 |
| 3.2.1 设计思想 | 第35-36页 |
| 3.2.2 非负矩阵分解算法 | 第36-38页 |
| 3.2.3 相似性度量的分析及改进 | 第38-41页 |
| 3.3 NMF-hidden CF算法实现 | 第41-43页 |
| 3.4 实验设计与分析 | 第43-48页 |
| 3.4.1 评价标准 | 第43-44页 |
| 3.4.2 实验数据集 | 第44-45页 |
| 3.4.3 实验结果与分析 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于增量更新的协同过滤算法 | 第49-59页 |
| 4.1 Delta-update CF算法思想 | 第49-50页 |
| 4.2 Delta-update CF算法详述 | 第50-53页 |
| 4.2.1 增量更新流程 | 第50-51页 |
| 4.2.2 增量因子计算 | 第51-53页 |
| 4.3 Delta-update CF算法分析 | 第53-54页 |
| 4.4 实验设计与分析 | 第54-58页 |
| 4.4.1 实验数据集 | 第54-55页 |
| 4.4.2 实验设计 | 第55-56页 |
| 4.4.3 实验结果与分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 NMF-Delta CF算法在Hadoop平台下的实现 | 第59-73页 |
| 5.1 NMF-Delta CF并行化实现 | 第59-65页 |
| 5.1.1 NMF-Delta CF算法的基本流程 | 第59-60页 |
| 5.1.2 初始推荐阶段的并行化 | 第60-64页 |
| 5.1.3 更新推荐阶段的并行化 | 第64-65页 |
| 5.2 实验设计与分析 | 第65-72页 |
| 5.2.1 实验数据 | 第65-66页 |
| 5.2.2 实验环境配置 | 第66-67页 |
| 5.2.3 实验结果与分析 | 第67-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 工作总结 | 第73页 |
| 6.2 工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |