本文關(guān)鍵詞：基于云同步的視頻推薦系統(tǒng)的系統(tǒng)實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：如今我們正處于視頻信息過載時期,視頻推薦系統(tǒng)是解決此問題的方法,相比搜索引擎要求用戶有明確的目標(biāo)并且提供搜索關(guān)鍵字,而視頻推薦系統(tǒng)是應(yīng)用推薦算法從用戶的歷史行為中挖掘用戶的偏好并為推薦視頻。云同步、視頻推薦系統(tǒng)的研究逐漸成熟并指引著廣大人民積極的嘗試運用網(wǎng)絡(luò)的方法與時俱進(jìn),同時人們的需求也將越來越急切�；ヂ�(lián)網(wǎng)上視頻資源日益增多,用戶觀看視頻的設(shè)備也是各式各樣,尋找所需視頻的難度無疑的大大增加。視頻推薦系統(tǒng)體現(xiàn)出用戶對此服務(wù)的需求,由于目前的視頻推薦技術(shù)的局限性,分布式推薦系統(tǒng)技術(shù)沒有很好的應(yīng)用。所以我們要充分發(fā)揮分布式系統(tǒng)的能夠根據(jù)用戶的觀看記錄來推薦用戶感興趣的視頻列表。為提高大數(shù)據(jù)的處理能力,采用云同步技術(shù)進(jìn)行支持并提供了以分布式開發(fā)的Hadoop框架技術(shù)為基礎(chǔ)來進(jìn)行推薦。本文在總結(jié)當(dāng)前國內(nèi)外視頻推薦系統(tǒng)的理論研究和應(yīng)用現(xiàn)狀的基礎(chǔ)上,從用戶信息收集及用戶建模、混合推薦系統(tǒng)的優(yōu)勢、視頻推薦系統(tǒng)的設(shè)計和實現(xiàn)四個方面展開進(jìn)行了具體的評述,并探究了其中的有關(guān)關(guān)鍵技術(shù),采用了基于mahout的Hadoop技術(shù)進(jìn)行搭建的推薦系統(tǒng)平臺。具體完成研究工作如下:(1)分析了視頻推薦系統(tǒng)的需求,確定了推薦系統(tǒng)的數(shù)據(jù)模型等工作。(2)分析了傳統(tǒng)的推薦算法,對傳統(tǒng)推薦算法進(jìn)行改進(jìn),運用用戶在不同設(shè)備下不同時間段的內(nèi)容偏好、屬性時長等特征進(jìn)行混合的加權(quán)推薦算法。(3)設(shè)計了視頻推薦系統(tǒng)的各個模塊,形成基于云同步的視頻推薦系統(tǒng)架構(gòu)。(4)用eclipse開發(fā)工具,推薦模型實現(xiàn)了視頻推薦系統(tǒng),并進(jìn)行了基本功能點、瀏覽器兼容性、可擴(kuò)展性、性能測試,驗證了視頻推薦系統(tǒng)的準(zhǔn)確性和可用性。目前視頻推薦系統(tǒng)已經(jīng)上線運行,使用云同步搜集用戶的所有觀看記錄來考慮如何應(yīng)用不同推薦器準(zhǔn)確的捕捉用戶不同時間段在不同設(shè)備上的視頻偏好,并對用戶進(jìn)行主動的視頻推薦。最后討論視頻推薦系統(tǒng)的未來以及需要改進(jìn)的方向。
【關(guān)鍵詞】：云同步 視頻推薦 協(xié)同過濾 Hadoop 混合推薦算法
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 上海交通大學(xué)碩士學(xué)位論文答辯決議書5-6
• 摘要6-7
• ABSTRACT7-11
• 1 緒論11-15
• 1.1 課題研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 論文研究的目標(biāo)及主要內(nèi)容13
• 1.4 論文的組織結(jié)構(gòu)13-15
• 2 視頻推薦系統(tǒng)相關(guān)技術(shù)15-22
• 2.1 Hadoop分布式平臺15
• 2.2 Apach Mahout15-16
• 2.3 推薦算法技術(shù)16-19
• 2.3.1 基于內(nèi)容的視頻推薦16-17
• 2.3.2 基于關(guān)聯(lián)規(guī)則的視頻推薦17-18
• 2.3.3 基于協(xié)同過濾的視頻推薦技術(shù)18-19
• 2.3.4 混合的視頻推薦機(jī)制19
• 2.4 云同步技術(shù)19-21
• 2.5 本章小結(jié)21-22
• 3 視頻推薦系統(tǒng)的數(shù)學(xué)模型和算法設(shè)計22-31
• 3.1 視頻推薦引擎一般模型22
• 3.2 推薦系統(tǒng)的業(yè)務(wù)分析22-23
• 3.3 推薦算法詳細(xì)設(shè)計23-30
• 3.3.1 過濾邏輯27-28
• 3.3.2 在線推薦邏輯28-30
• 3.4 本章小節(jié)30-31
• 4 視頻推薦系統(tǒng)的需求分析31-38
• 4.1 推薦系統(tǒng)功能性需求分析31-36
• 4.1.1 系統(tǒng)用例分析32-33
• 4.1.2 用戶推薦流程圖33-35
• 4.1.3 推薦系統(tǒng)活動圖35
• 4.1.4 推薦系統(tǒng)的交互時序圖35-36
• 4.2 非功能性需求36
• 4.3 本章小結(jié)36-38
• 5 系統(tǒng)設(shè)計與實現(xiàn)38-62
• 5.1 推薦模塊設(shè)計38-40
• 5.2 主要組成部分40-42
• 5.2.1 推薦系統(tǒng)的包圖40-41
• 5.2.2 推薦系統(tǒng)的類圖41-42
• 5.3 系統(tǒng)數(shù)據(jù)庫邏輯設(shè)計42-44
• 5.4 API接口設(shè)計44-50
• 5.5 調(diào)用方式50-51
• 5.6 輸入?yún)?shù)51-53
• 5.7 返回參數(shù)53-57
• 5.8 用戶辨別57-59
• 5.9 視頻推薦系統(tǒng)實現(xiàn)環(huán)境59-61
• 5.9.1 集群運行環(huán)境配置59
• 5.9.2 推薦算法的運行時設(shè)置59-60
• 5.9.3 其他運行時設(shè)置60-61
• 5.10 本章小結(jié)61-62
• 6 視頻推薦系統(tǒng)測試62-75
• 6.1 測試環(huán)境62
• 6.2 系統(tǒng)測試62-74
• 6.2.1 功能測試62-69
• 6.2.2 推薦效果評估測試69-72
• 6.2.3 性能測試72
• 6.2.4 運行實例72-74
• 6.3 本章小結(jié)74-75
• 7 總結(jié)與展望75-77
• 7.1 本文總結(jié)75
• 7.2 推薦系統(tǒng)研究展望75-77
• 參考文獻(xiàn)77-79
• 致謝79-80
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄80

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機(jī)與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機(jī)工程與設(shè)計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學(xué)推薦系統(tǒng)的設(shè)計與實現(xiàn)[J];計算機(jī)應(yīng)用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導(dǎo)刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡(luò)推薦系統(tǒng)[J];電子商務(wù);2007年10期

6 李媚;;個性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟(jì)學(xué)模型的推薦系統(tǒng)的研究[J];計算機(jī)應(yīng)用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進(jìn)展及展望[J];信息系統(tǒng)學(xué)報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強(qiáng)學(xué)習(xí)的旅行計劃推薦系統(tǒng)[J];計算機(jī)工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領(lǐng)域的應(yīng)用[J];硅谷;2011年21期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學(xué)年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進(jìn)的個性化信息推薦系統(tǒng)的設(shè)計與實現(xiàn)[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務(wù)推薦系統(tǒng)[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務(wù)的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應(yīng)用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機(jī)世界;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 周魏;推薦系統(tǒng)中基于目標(biāo)項目分析的托攻擊檢測研究[D];重慶大學(xué);2015年

2 田剛;融合維基知識的情境感知Web服務(wù)發(fā)現(xiàn)方法研究[D];武漢大學(xué);2015年

3 胡亮;集成多元信息的推薦系統(tǒng)建模方法的研究[D];上海交通大學(xué);2015年

4 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計研究[D];中國科學(xué)技術(shù)大學(xué);2007年

5 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

6 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

7 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2012年

8 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國科學(xué)技術(shù)大學(xué);2014年

9 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

10 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李煒;基于電子商務(wù)平臺的保險推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];復(fù)旦大學(xué);2013年

2 丁志東;長尾信息的個性化推薦中的特征選擇優(yōu)化算法[D];北京交通大學(xué);2016年

3 劉琰;基于社交電商的UGC智能推薦系統(tǒng)設(shè)計與實現(xiàn)[D];大連海事大學(xué);2015年

4 藺川;基于LBS移動終端信息推薦系統(tǒng)的研究與實現(xiàn)[D];北京交通大學(xué);2016年

5 盛實旺;個性化的智能飲食推薦系統(tǒng)開發(fā)[D];浙江理工大學(xué);2016年

6 丁陽;基于web用戶體驗的推薦系統(tǒng)設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2013年

7 李清明;基于情境感知的就醫(yī)信息推薦系統(tǒng)的設(shè)計與實現(xiàn)[D];太原理工大學(xué);2016年

8 王化明;電子商務(wù)推薦系統(tǒng)研究[D];杭州師范大學(xué);2016年

9 劉濤;一個面向論壇用戶的個性化閱讀推薦系統(tǒng)研究與實現(xiàn)[D];南京大學(xué);2013年

10 劉順文;基于Hadoop平臺的大學(xué)生個性化就業(yè)推薦系統(tǒng)的構(gòu)建與研究[D];東華理工大學(xué);2016年

  本文關(guān)鍵詞：基于云同步的視頻推薦系統(tǒng)的系統(tǒng)實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：308251