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