| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 推荐系统与推荐算法 | 第10-11页 |
| 1.2.2 推荐算法的并行化研究 | 第11-12页 |
| 1.3 论文的组织结构 | 第12-14页 |
| 第二章 相关技术与理论 | 第14-27页 |
| 2.1 Hadoop关键技术 | 第14-18页 |
| 2.1.1 分布式文件系统HDFS | 第14-15页 |
| 2.1.2 分布式计算框架MapReduce | 第15-16页 |
| 2.1.3 分布式数据库HBase | 第16-18页 |
| 2.2 个性化推荐技术 | 第18-23页 |
| 2.2.1 个性化推荐技术综述 | 第18-19页 |
| 2.2.2 个性化推荐技术分类 | 第19-22页 |
| 2.2.3 个性化推荐技术现存的问题 | 第22-23页 |
| 2.3 聚类算法 | 第23-26页 |
| 2.3.1 K-means算法 | 第23-24页 |
| 2.3.2 覆盖算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于Hadoop的个性化推荐算法 | 第27-43页 |
| 3.1 算法流程 | 第27-29页 |
| 3.2 算法设计 | 第29-34页 |
| 3.2.1 聚类设计 | 第29-31页 |
| 3.2.2 User和Item矩阵构建 | 第31-33页 |
| 3.2.3 最近邻的形成 | 第33页 |
| 3.2.4 评分预测及融合 | 第33-34页 |
| 3.3 推荐算法的MapReduce并行化设计 | 第34-38页 |
| 3.3.1 聚类部分的并行化设计 | 第35-37页 |
| 3.3.2 User和Item矩阵构建的并行化设计 | 第37-38页 |
| 3.4 实验设计与分析 | 第38-42页 |
| 3.4.1 数据集 | 第38-39页 |
| 3.4.2 评价指标 | 第39页 |
| 3.4.3 实验结果 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 个性化电影推荐系统的设计与实现 | 第43-52页 |
| 4.1 系统需求分析 | 第43页 |
| 4.2 推荐系统的设计 | 第43-49页 |
| 4.2.1 架构设计 | 第43-45页 |
| 4.2.2 模块设计 | 第45-46页 |
| 4.2.3 数据库设计 | 第46-49页 |
| 4.3 推荐系统的实现 | 第49-51页 |
| 4.3.1 运行环境 | 第49页 |
| 4.3.2 运行效果 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文总结 | 第52-53页 |
| 5.2 下一步工作与展望 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录A 图索引 | 第59-60页 |
| Appendix A Figure Index | 第60-61页 |
| 附录B 表索引 | 第61-62页 |
| Appendix B Table Index | 第62-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间取得的成果 | 第64页 |