| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-13页 |
| 1.1.1 信息过载与个性化服务 | 第10-11页 |
| 1.1.2 个性化推荐系统 | 第11页 |
| 1.1.3 协同过滤技术 | 第11-12页 |
| 1.1.4 基于MapReduce的协同过滤推荐系统 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 协同过滤技术的研究现状 | 第13-14页 |
| 1.2.2 并行化技术的国内外研究现状 | 第14-15页 |
| 1.3 研究意义 | 第15页 |
| 1.4 论文组织结构 | 第15-18页 |
| 1.4.1 研究内容 | 第15-16页 |
| 1.4.2 组织结构 | 第16-18页 |
| 第二章 推荐系统相关技术研究 | 第18-28页 |
| 2.1 推荐系统的工作原理 | 第18-19页 |
| 2.2 推荐系统的分类 | 第19-23页 |
| 2.3 基于项目的协同过滤推荐算法的评测 | 第23-25页 |
| 2.4 本章小结 | 第25-28页 |
| 第三章 基于均模型的推荐算法 | 第28-38页 |
| 3.1 均模型基本理论 | 第28-32页 |
| 3.1.1 均模型项目向量表示法 | 第28-30页 |
| 3.1.2 基于均模型的项目相似性计算 | 第30-32页 |
| 3.2 实验与分析 | 第32-36页 |
| 3.2.1 准备 | 第32页 |
| 3.2.2 结果及分析 | 第32-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 基于MapReduce的协同过滤推荐算法 | 第38-60页 |
| 4.1 基本理论与相关技术 | 第38-43页 |
| 4.1.1 MapReduce | 第40页 |
| 4.1.2 HDFS | 第40-42页 |
| 4.1.3 Hadoop系统架构 | 第42-43页 |
| 4.2 基于MapReduce的算法改进原则 | 第43-44页 |
| 4.3 基于MapReduce的IBCF算法研究 | 第44-53页 |
| 4.4 基于均模型的IBCF算法并行化 | 第53-55页 |
| 4.5 实验及其分析 | 第55-57页 |
| 4.5.1 实验数据和评价标准 | 第55-56页 |
| 4.5.2 实验环境 | 第56页 |
| 4.5.3 实验结果和分析 | 第56-57页 |
| 4.6 本章小结 | 第57-60页 |
| 第五章 推荐系统设计 | 第60-68页 |
| 5.1 推荐系统的架构 | 第60-61页 |
| 5.2 系统介绍 | 第61-66页 |
| 5.2.1 数据存储 | 第61-63页 |
| 5.2.2 数据处理 | 第63页 |
| 5.2.3 展示 | 第63-66页 |
| 5.3 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 读研期间发表和录用的论文 | 第76页 |