| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景 | 第11页 |
| 1.2 个性化推荐研究现状 | 第11-14页 |
| 1.2.1 推荐系统的研究现状 | 第12-13页 |
| 1.2.2 推荐算法的研究现状 | 第13-14页 |
| 1.3 课题研究的主要内容 | 第14页 |
| 1.4 论文的组织与结构 | 第14-17页 |
| 第2章 推荐系统的冷启动优化 | 第17-39页 |
| 2.1 推荐算法形式定义 | 第17页 |
| 2.2 相关推荐算法及其挑战 | 第17-22页 |
| 2.3 冷启动问题及其改进 | 第22-37页 |
| 2.3.1 冷启动问题 | 第22页 |
| 2.3.2 距离计算方法及聚类算法 | 第22-25页 |
| 2.3.3 冷启动优化方案 | 第25-30页 |
| 2.3.4 优化方案的实现及实验分析 | 第30-36页 |
| 2.3.5 优化方案进一步扩展的思考 | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第3章 推荐系统的大数据处理设计 | 第39-51页 |
| 3.1 推荐系统中的大数据与云计算 | 第39-43页 |
| 3.1.1 大数据介绍与进展 | 第39-40页 |
| 3.1.2 云计算 | 第40-42页 |
| 3.1.3 大数据处理 | 第42-43页 |
| 3.1.4 推荐系统与大数据处理 | 第43页 |
| 3.2 基于Hadoop的推荐系统大数据处理通用设计 | 第43-49页 |
| 3.2.1 大数据处理平台理论模型 | 第43-46页 |
| 3.2.2 推荐系统的大数据设计 | 第46-49页 |
| 3.3 本章小结 | 第49-51页 |
| 第4章 基于Hadoop的SlopeOne大数据设计及实验 | 第51-67页 |
| 4.1 Hadoop体系架构 | 第51-54页 |
| 4.2 SlopeOne算法的大数据处理设计方案 | 第54-66页 |
| 4.2.1 SlopeOne算法 | 第54-56页 |
| 4.2.2 SlopeOne的并行化设计 | 第56-62页 |
| 4.2.3 SlopeOne大数据处理实验与结果分析 | 第62-65页 |
| 4.2.4 SlopeOne的大数据处理与冷启动方案 | 第65-66页 |
| 4.3 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第73-75页 |
| 致谢 | 第75页 |
