| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·项目背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10页 |
| ·个性化推荐系统存在以下问题 | 第10-11页 |
| ·本文研究工作 | 第11页 |
| ·全文的结构 | 第11-13页 |
| 第二章：个性化推荐、Hadoop分布式平台相关理论 | 第13-19页 |
| ·个性化推荐系统的概述 | 第13-14页 |
| ·个性化推荐算法 | 第14-17页 |
| ·基于内容的推荐算法 | 第14页 |
| ·协同过滤推荐算法 | 第14-16页 |
| ·基于规则的推荐算法 | 第16页 |
| ·推荐系统算法比较 | 第16-17页 |
| ·分布式平台 | 第17-19页 |
| ·MapReduce模型 | 第17-18页 |
| ·HDFS分布式文件系统 | 第18-19页 |
| 第三章：基于隐性行为的部分偏好相似协同过滤算法 | 第19-35页 |
| ·用户隐性数据 | 第19-22页 |
| ·数据特征 | 第20-21页 |
| ·数据处理 | 第21-22页 |
| ·Hadoop平台数据的处理 | 第22-23页 |
| ·平台的搭建 | 第22页 |
| ·算法表结构设计 | 第22-23页 |
| ·基于用户部分偏好的协同过滤算法 | 第23-27页 |
| ·定义 | 第23-24页 |
| ·用户相似度 | 第24页 |
| ·算法描述 | 第24-27页 |
| ·实验评估 | 第27-29页 |
| ·实验结果评估 | 第27页 |
| ·实验结果 | 第27-29页 |
| ·“冷启动”问题 | 第29-34页 |
| ·专家和机器学习定义描述 | 第30页 |
| ·专家和机器学习解决“冷启动”问题 | 第30-31页 |
| ·特征基因的提取 | 第31-32页 |
| ·实验评估 | 第32-33页 |
| ·结果比较分析 | 第33-34页 |
| ·结论 | 第34-35页 |
| 第四章：个性化推荐系统的设计与实现 | 第35-44页 |
| ·需求分析 | 第35页 |
| ·业务需求 | 第35页 |
| ·功能需求 | 第35页 |
| ·系统设计 | 第35-39页 |
| ·数据预处理 | 第35-37页 |
| ·推荐模块的实现 | 第37-38页 |
| ·“冷启动”模块的设计和实现 | 第38-39页 |
| ·系统实现与数据分析 | 第39-44页 |
| ·系统运行环境 | 第39页 |
| ·数据及数据索引实现 | 第39-41页 |
| ·线上系统实现 | 第41-42页 |
| ·系统数据分析 | 第42-44页 |
| 第五章：总结与期望 | 第44-45页 |
| ·论文小结 | 第44页 |
| ·工作展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读硕士期间所发表的论文 | 第48-49页 |
| 后记 | 第49页 |