發(fā)布時(shí)間：2021-04-27 02:55

　　隨著大數(shù)據(jù)以及人工智能的發(fā)展,對(duì)少數(shù)民族文化資源的保護(hù)和傳承也提出了新的要求,在對(duì)少數(shù)民族文化資源的保護(hù)和傳承的過(guò)程中,很多優(yōu)秀的民族傳統(tǒng)文化資源面臨著失傳的危機(jī)。為了更好的保護(hù)和傳承少數(shù)民族文化,實(shí)現(xiàn)少數(shù)民族文化的共享和傳播,運(yùn)用大數(shù)據(jù)以及人工智能的方法是首要的技術(shù)措施。通過(guò)搭建少數(shù)民族文化資源服務(wù)推薦平臺(tái),結(jié)合用戶對(duì)少數(shù)民族文化知識(shí)的需求,個(gè)性化的給用戶推薦少數(shù)民族文化資源,可以更好的使廣大用戶更加準(zhǔn)確高效的獲取到自己感興趣的少數(shù)民族文化知識(shí),以此來(lái)更好的促進(jìn)對(duì)少數(shù)民族文化的保護(hù)和傳承。因此本文在MapReduce分布式計(jì)算框架下對(duì)少數(shù)民族文化資源的推薦進(jìn)行了研究,主要包含了以下幾個(gè)方面:（1）在基于交替最小二乘法（Alternating Least Squares,ALS）協(xié)同過(guò)濾算法的基礎(chǔ)上,通過(guò)在損失函數(shù)上融合項(xiàng)目的相似性來(lái)減少隱形因子項(xiàng)目屬性信息的丟失,同時(shí)在模型中引入了冷啟動(dòng)策略對(duì)原算法進(jìn)行改進(jìn)。并將改進(jìn)后的算法在Hadoop平臺(tái)上使用MapReduce計(jì)算框架進(jìn)行實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的基于ALS的協(xié)同過(guò)濾推薦算法與傳統(tǒng)的推薦算法相比,本文優(yōu)化后的算法可以很好的緩解... 

【文章來(lái)源】：云南師范大學(xué)云南省

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 選題依據(jù)及意義
    1.2 推薦系統(tǒng)研究現(xiàn)狀
        1.2.1 國(guó)外推薦系統(tǒng)研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)推薦系統(tǒng)研究現(xiàn)狀
        1.2.3 推薦系統(tǒng)應(yīng)用于民族文化的現(xiàn)狀
    1.3 研究?jī)?nèi)容與論文組織結(jié)構(gòu)
        1.3.1 本文研究?jī)?nèi)容
        1.3.2 論文組織結(jié)構(gòu)
    1.4 本章小結(jié)
第2章 基本理論知識(shí)與相關(guān)技術(shù)
    2.1 民族文化資源相關(guān)概念與特性
        2.1.1 民族文化資源相關(guān)概念
        2.1.2 民族文化資源的特性
    2.2 大數(shù)據(jù)計(jì)算框架相關(guān)技術(shù)
        2.2.1 Hadoop簡(jiǎn)介
        2.2.2 HDFS分布式文件系統(tǒng)
        2.2.3 MapReduce編程模型
    2.3 推薦系統(tǒng)相關(guān)理論概述
        2.3.1 推薦系統(tǒng)簡(jiǎn)介
        2.3.2 協(xié)同過(guò)濾推薦算法
    2.4 本章小結(jié)
第3章 基于ALS的推薦算法改進(jìn)
    3.1 基于ALS的協(xié)同過(guò)濾推薦算法
    3.2 基于ALS推薦算法的改進(jìn)
    3.3 改進(jìn)的ALS推薦算法的MapReduce分布式實(shí)現(xiàn)
    3.4 實(shí)驗(yàn)環(huán)境搭建
        3.4.1 Hadoop集群部署
        3.4.2 Hadoop集群配置
    3.5 實(shí)驗(yàn)與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第4章 基于用戶標(biāo)簽?zāi)Ｐ途垲惖耐扑]算法設(shè)計(jì)
    4.1 基于LDA構(gòu)建少數(shù)民族文化資源和用戶標(biāo)簽?zāi)Ｐ?br>        4.1.1 文本表示方法
        4.1.2 LDA主題生成模型
        4.1.3 少數(shù)民族文化資源文本標(biāo)簽化模型
        4.1.4 根據(jù)用戶行為日志構(gòu)建用戶標(biāo)簽?zāi)Ｐ?br>    4.2 基于用戶標(biāo)簽?zāi)Ｐ偷木垲悈f(xié)同過(guò)濾推薦算法
        4.2.1 問(wèn)題分析
        4.2.2 基于用戶標(biāo)簽?zāi)Ｐ偷木垲愃惴?br>        4.2.3 基于用戶標(biāo)簽?zāi)Ｐ途垲惖膮f(xié)同過(guò)濾推薦
    4.3 基于Hadoop平臺(tái)對(duì)算法的MapReduce分布式實(shí)現(xiàn)
        4.3.1 用戶聚類的Map Reduce分布式實(shí)現(xiàn)
        4.3.2 協(xié)同過(guò)濾推薦的MapReduce分布式實(shí)現(xiàn)
    4.4 實(shí)驗(yàn)與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)
        4.4.2 用戶標(biāo)簽的構(gòu)建實(shí)驗(yàn)
        4.4.3 推薦算法評(píng)估實(shí)驗(yàn)
    4.5 本章小結(jié)
第5章 少數(shù)民族文化資源推薦原型系統(tǒng)設(shè)計(jì)
    5.1 系統(tǒng)設(shè)計(jì)
        5.1.1 系統(tǒng)需求分析
        5.1.2 系統(tǒng)架構(gòu)設(shè)計(jì)
        5.1.3 系統(tǒng)功能設(shè)計(jì)
    5.2 系統(tǒng)實(shí)現(xiàn)
        5.2.1 用戶登錄和注冊(cè)的實(shí)現(xiàn)
        5.2.2 系統(tǒng)首頁(yè)的實(shí)現(xiàn)
        5.2.3 系統(tǒng)搜索與推薦結(jié)果的實(shí)現(xiàn)
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文和研究成果
致謝



本文編號(hào)：3162625