| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·课题主要研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 相关理论与技术介绍 | 第14-25页 |
| ·大数据集相关简介 | 第14-18页 |
| ·大数据集的主要来源 | 第14-15页 |
| ·大数据集的处理模式 | 第15-16页 |
| ·大数据集的典型技术 | 第16-18页 |
| ·协同过滤推荐算法简介 | 第18-24页 |
| ·基于用户的协同过滤推荐算法 | 第18-21页 |
| ·基于项目的协同过滤推荐算法 | 第21-23页 |
| ·两种协同过滤算法的综合比较 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 面向大数据集的推荐系统架构 | 第25-40页 |
| ·传统推荐系统面临的挑战 | 第25页 |
| ·大数据集推荐系统的总体架构 | 第25-31页 |
| ·用户交互层 | 第31-32页 |
| ·推荐引擎架构 | 第32-38页 |
| ·推荐引擎的工作原理 | 第32-33页 |
| ·推荐引擎的设计 | 第33-38页 |
| ·计算存储集群 | 第38页 |
| ·产生推荐过程 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于集群的改进协同过滤推荐算法 | 第40-54页 |
| ·基于用户的协同过滤算法及其改进方案 | 第40-43页 |
| ·主观评分归一化 | 第40-42页 |
| ·用户评分预测 | 第42页 |
| ·改进的协同过滤推荐算法 | 第42-43页 |
| ·协同过滤算法在集群上的并行实现 | 第43-53页 |
| ·算法的设计思想 | 第43-45页 |
| ·主观评分归一化算法的 MapReduce 化 | 第45-49页 |
| ·预测评分算法的 MapReduce 化 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 实验与评估 | 第54-61页 |
| ·实验环境的搭建与部署 | 第54-57页 |
| ·配置 Java 语言的 Hadoop 应用开发环境 | 第57-58页 |
| ·实验设计与结果分析 | 第58-60页 |
| ·实验数据集 | 第58页 |
| ·实验度量标准 | 第58页 |
| ·实验结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |