隨著社會(huì)的發(fā)展和技術(shù)的迅速革新,人們漸漸的由資訊不足的年代步入了信息過剩的時(shí)間段,處于這樣時(shí)代,不管是信息的生產(chǎn)者,還是說信息的使用者都面臨著前所未有的挑戰(zhàn):第一,對(duì)于前者而言,其想讓自己的給出的信息變得與眾不同,同時(shí)獲得許許多多的目光,是一個(gè)不簡單的過程;第二,對(duì)于后者而言,怎樣從龐大的信息中尋求有利于自身需求的,這同樣也是一個(gè)不簡單的過程。因此,對(duì)于如今網(wǎng)絡(luò)上能夠讓消費(fèi)者觀看的電影數(shù)量的正成幾何倍數(shù)增加,其類型也是五花八門,常常用戶需要花費(fèi)大量時(shí)間來尋找自己感興趣的電影。為了使用戶有更好的體驗(yàn)感受,個(gè)性化推薦技術(shù)是一種有效的解決方法。如今,海量的數(shù)據(jù)庫中的信息增加和用戶的需求量也不斷增加,而曾經(jīng)的那些傳統(tǒng)推薦算法是以主要是單機(jī)形式,計(jì)算較為復(fù)雜,無法滿足海量數(shù)據(jù)的推薦計(jì)算。為了更好的解決推薦算法的可拓展性和準(zhǔn)確性,本文設(shè)計(jì)的電影推薦系統(tǒng)選擇了具有高度容錯(cuò)性的分布式文件系統(tǒng)HDFS作為底層文件系統(tǒng),同時(shí)選擇MapReduce作為海量數(shù)據(jù)處理工具。文中重點(diǎn)研究了基于內(nèi)容的推薦算法、基于關(guān)聯(lián)規(guī)則的推薦算法和協(xié)同過濾推薦算法,在進(jìn)行計(jì)算和分析對(duì)比后,發(fā)現(xiàn)基于項(xiàng)目的協(xié)同過濾算法能夠更好的反映... 

【文章來源】：大連理工大學(xué)遼寧省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 國外推薦系統(tǒng)發(fā)展歷程
        1.2.2 國內(nèi)推薦系統(tǒng)發(fā)展歷程
    1.3 本文研究的內(nèi)容與組織結(jié)構(gòu)
2 推薦系統(tǒng)的理論與技術(shù)研究
    2.1 推薦系統(tǒng)概述
    2.2 推薦系統(tǒng)的算法分析
        2.2.1 基于內(nèi)容的推薦
        2.2.2 關(guān)聯(lián)規(guī)則的推薦
        2.2.3 協(xié)同過濾的推薦
    2.3 系統(tǒng)所采用的主要技術(shù)介紹
        2.3.1 Hadoop簡介
        2.3.2 MySQL數(shù)據(jù)庫
        2.3.3 SSM架構(gòu)技術(shù)
        2.3.4 Maven
        2.3.5 Solr
3 系統(tǒng)需求分析
    3.1 功能性需求
    3.2 非功能性需求
        3.2.1 性能需求
        3.2.2 穩(wěn)定性需求
        3.2.3 準(zhǔn)確性需求
        3.2.4 可維護(hù)性和擴(kuò)展性需求
        3.2.5 安全性需求
        3.2.6 可靠性
4 系統(tǒng)設(shè)計(jì)
    4.1 系統(tǒng)總體架構(gòu)
    4.2 系統(tǒng)功能設(shè)計(jì)
    4.3 系統(tǒng)詳細(xì)設(shè)計(jì)
        4.3.1 登錄模塊
        4.3.2 電影規(guī)格參數(shù)
        4.3.3 電影搜索
        4.3.4 用戶對(duì)電影評(píng)分
        4.3.5 為用戶提供個(gè)性化推薦
    4.4 數(shù)據(jù)庫設(shè)計(jì)
        4.4.1 實(shí)體描述及E-R圖
        4.4.2 數(shù)據(jù)庫表結(jié)構(gòu)
    4.5 Hadoop平臺(tái)上的分布式協(xié)同過濾算法的設(shè)計(jì)
        4.5.1 傳統(tǒng)協(xié)同過濾算法在Hadoop平臺(tái)上的可行性
        4.5.2 Hadoop平臺(tái)上的分布式協(xié)同過濾算法的設(shè)計(jì)
5 系統(tǒng)的實(shí)現(xiàn)與測試
    5.1 系統(tǒng)環(huán)境搭建
    5.2 系統(tǒng)功能實(shí)現(xiàn)
        5.2.1 用戶登錄模塊實(shí)現(xiàn)
        5.2.2 電影詳情頁面展示模塊實(shí)現(xiàn)
        5.2.3 用戶搜索模塊實(shí)現(xiàn)
        5.2.4 用戶評(píng)分模塊實(shí)現(xiàn)
        5.2.5 個(gè)性化推薦模塊實(shí)現(xiàn)
        5.2.6 后臺(tái)電影信息管理界面
    5.3 實(shí)驗(yàn)及分析
        5.3.1 數(shù)據(jù)集
        5.3.2 實(shí)驗(yàn)評(píng)估方法
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 系統(tǒng)測試
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]推薦系統(tǒng)研究進(jìn)展[J]. 朱揚(yáng)勇,孫婧.  計(jì)算機(jī)科學(xué)與探索. 2015(05)
[2]個(gè)性化推薦系統(tǒng)中協(xié)同過濾方法的研究[J]. 趙智,韓丹.  電腦知識(shí)與技術(shù). 2014(27)
[3]推薦系統(tǒng)研究綜述[J]. 李斌.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2014(03)
[4]電子商務(wù)推薦系統(tǒng)綜述及發(fā)展研究[J]. 趙良輝,熊作貞.  電子商務(wù). 2013(12)
[5]Hadoop環(huán)境下的分布式協(xié)同過濾算法設(shè)計(jì)與實(shí)現(xiàn)[J]. 肖強(qiáng),朱慶華,鄭華,吳克文.  現(xiàn)代圖書情報(bào)技術(shù). 2013(01)
[6]一種電影個(gè)性化推薦系統(tǒng)的研究與實(shí)現(xiàn)[J]. 錢程,陽小蘭.  計(jì)算機(jī)與數(shù)字工程. 2011(08)
[7]個(gè)性化推薦中一種新的相似性計(jì)算方法[J]. 龔松杰.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2008(07)

博士論文
[1]推薦系統(tǒng)的協(xié)同過濾算法與應(yīng)用研究[D]. 郭艷紅.大連理工大學(xué) 2008

碩士論文
[1]基于協(xié)同過濾的分布式電影推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 劉歡天.西安電子科技大學(xué) 2015
[2]基于Hadoop的全分布式存儲(chǔ)架構(gòu)研究[D]. 劉衍森.西安電子科技大學(xué) 2013
[3]基于Hadoop的海量數(shù)據(jù)處理模型研究和應(yīng)用[D]. 朱珠.北京郵電大學(xué) 2008



本文編號(hào)：3631804