第1章 绪论

1.1研究背景与意义

1.2国内外研究现状及分析

1.3信息推荐目前存在的主要问题

1.4本书结构与研究内容

第2章 大数据语义推荐算法

2.1引言

2.2传统推荐算法

2.3基于语义的内容推荐算法

2.4基于语义的协同过滤推荐算法

2.5基于语义的混合推荐算法

2.6基于语义的社会化推荐算法

2.7讨论与挑战

2.8本章小结

第3章 基于排序学习的大数据推荐算法

3.1引言

3.2基于排序学习的推荐算法框架

3.3基于排序学习的推荐算法关键技术

3.4排序学习的效用评价准则

3.5基于排序学习的推荐算法应用进展

3.6基于排序学习的推荐算法研究趋势展望

3.7本章小结

第4章 云环境下top-n推荐算法

4.1引言

4.2MDSA

4.3数据编码模式

4.4基于map/reduce的top-n推荐算法

4.5top-n推荐应用扩展

4.6本章小结

第5章 分布式网络中的轮廓推荐预处理技术

5.1引言

5.2预备知识

5.3预处理方法描述

5.4预处理方法分析

5.5本章小结

第6章 分布式网络中轮廓推荐方法

6.1引言

6.2问题描述

6.3精确选择最优的预存储轮廓快照

6.4EMSRDN算法

6.5本章小结

第7章 实时k-quasi轮廓推荐方法

7.1引言

7.2k-quasi轮廓推荐

7.3有效处理任意维空间k-quasi轮廓推荐

7.4优化多个维空间k-quasi轮廓推荐

7.5k-quasi轮廓推荐扩展

7.6本章小结

第8章 大数据轮廓类推荐理论与方法

8.1引言

8.2轮廓类操作符

8.3有效实施轮廓类操作符

8.4本章小结

第9章 大数据K-均值类推荐技术

9.1引言

9.2K-均值类推荐思想

9.3基于正规格的K-均值类推荐算法

9.4本章小结

参考文献