基于推荐算法的移动微视频社区系统的设计与实现
发布时间：2023-02-28 20:39
随着数据的指数式增长,在庞大的数据面前,用户无法精确地获取需要的信息,从而导致用户需要花费更多的精力去筛选出自己需要的信息,产生“信息过载”问题。因此,推荐系统应运而生,推荐算法也得到巨大的发展。其中协同过滤算法凭借着良好的性能被广泛地应用,但其仍存在冷启动、评分数据特征稀疏、用户偏好的时效性等问题,会影响到推荐效果。本文提出一种基于搜索词和时间因素的物品协同过滤算法来优化上述问题,改善推荐效果。算法采用混合推荐算法的级联法思想,首先在传统基于物品的协同过滤算法的物品相似度计算中加入时间因素和用户评分平均值平滑处理,得到一个初步视频推荐集合,其次对初步视频推荐集合中视频的视频描述或电影名进行分词,并基于对TF-IDF计算公式做平滑处理后的TF-IDF关键词特征提取算法来提取出视频描述中的关键词,以此代表相应的视频。通过结合用户的搜索词及浏览信息记录,从而得到最终的Top N推荐列表,使推荐效果得到改善。对于用户冷启动问题,基于热度来为新用户直接生成Top N推荐列表。算法通过判断用户是否为新用户,来选择相应的算法生成推荐列表集合。本文通过实验并验证这种推荐算法的推荐效果优于传统的基于物...
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的背景及意义
1.2 国内外研究现状
1.2.1 国外对移动微视频的研究
1.2.2 国内对移动微视频的研究
1.2.3 国内对微信和微信小程序的研究
1.2.4 推荐算法的发展
1.3 课题研究的主要内容
1.3.1 研究目标
1.3.2 研究内容
1.4 论文的章节安排
第二章 系统开发相关软件技术
2.1 微信小程序技术
2.1.1 微信小程序框架
2.1.2 微信小程序开发流程
2.2 web框架
2.2.1 SSM框架
2.2.2 Spring Boot框架
2.3 web应用服务器Tomcat
2.4 数据库与Redis缓存
2.4.1 数据库
2.4.2 Redis缓存
2.5 zookeeper中间件
2.6 本章小结
第三章 推荐算法相关理论知识
3.1 推荐系统概述
3.2 相似度计算公式
3.3 推荐算法种类
3.3.1 基于内容的推荐算法
3.3.2 基于近邻的协同过滤推荐算法
3.3.3 基于混合的推荐算法
3.4 本章小结
第四章 基于搜索词和时间因素的物品协同过滤算法
4.1 关键词提取算法改进
4.2 基于物品的协同过滤算法的改进
4.2.1 基于时间因素的物品相似度计算改进
4.2.2 基于时间因素的用户偏好计算改进
4.3 基于搜索词和时间因素优化系统推荐
4.3.1 数据的来源和处理
4.3.2 基于时间因素的物品协同过滤推荐模块
4.3.3 基于搜索词和用户浏览信息记录的推荐模块
4.3.4 热门推荐模块
4.4 实验结果与分析
4.4.1 实验评价体系
4.4.2 实验准备过程
4.4.3 实验结果与分析
4.5 本章小结
第五章 移动微视频社区系统的实现
5.1 概述
5.2 系统分析
5.2.1 系统开发可行性分析
5.2.2 系统需求分析
5.3 系统整体设计
5.3.1 系统整体框架
5.3.2 系统软件架构
5.3.3 系统模块设计
5.3.4 系统数据库设计
5.4 移动微视频社区系统实现
5.4.1 运行环境
5.4.2 用户端页面实现
5.4.3 用户端注册登录模块实现
5.4.4 用户端视频列表展示模块实现
5.4.5 用户端视频详情展示模块实现
5.4.6 用户端个人主页实现
5.4.7 后台管理员系统登录模块实现
5.4.8 后台管理员系统首页模块实现
5.4.9 后台管理员系统用户信息模块实现
5.4.10 后台管理员系统bgm管理模块实现
5.4.11 后台管理员系统举报管理模块实现
5.5 本章小结
第六章 移动微视频社区系统测试
6.1 测试用例
6.2 本章小结
总结与展望
参考文献
攻读硕士学位期间的科研成果
致谢
本文编号：3751796
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的背景及意义
1.2 国内外研究现状
1.2.1 国外对移动微视频的研究
1.2.2 国内对移动微视频的研究
1.2.3 国内对微信和微信小程序的研究
1.2.4 推荐算法的发展
1.3 课题研究的主要内容
1.3.1 研究目标
1.3.2 研究内容
1.4 论文的章节安排
第二章 系统开发相关软件技术
2.1 微信小程序技术
2.1.1 微信小程序框架
2.1.2 微信小程序开发流程
2.2 web框架
2.2.1 SSM框架
2.2.2 Spring Boot框架
2.3 web应用服务器Tomcat
2.4 数据库与Redis缓存
2.4.1 数据库
2.4.2 Redis缓存
2.5 zookeeper中间件
2.6 本章小结
第三章 推荐算法相关理论知识
3.1 推荐系统概述
3.2 相似度计算公式
3.3 推荐算法种类
3.3.1 基于内容的推荐算法
3.3.2 基于近邻的协同过滤推荐算法
3.3.3 基于混合的推荐算法
3.4 本章小结
第四章 基于搜索词和时间因素的物品协同过滤算法
4.1 关键词提取算法改进
4.2 基于物品的协同过滤算法的改进
4.2.1 基于时间因素的物品相似度计算改进
4.2.2 基于时间因素的用户偏好计算改进
4.3 基于搜索词和时间因素优化系统推荐
4.3.1 数据的来源和处理
4.3.2 基于时间因素的物品协同过滤推荐模块
4.3.3 基于搜索词和用户浏览信息记录的推荐模块
4.3.4 热门推荐模块
4.4 实验结果与分析
4.4.1 实验评价体系
4.4.2 实验准备过程
4.4.3 实验结果与分析
4.5 本章小结
第五章 移动微视频社区系统的实现
5.1 概述
5.2 系统分析
5.2.1 系统开发可行性分析
5.2.2 系统需求分析
5.3 系统整体设计
5.3.1 系统整体框架
5.3.2 系统软件架构
5.3.3 系统模块设计
5.3.4 系统数据库设计
5.4 移动微视频社区系统实现
5.4.1 运行环境
5.4.2 用户端页面实现
5.4.3 用户端注册登录模块实现
5.4.4 用户端视频列表展示模块实现
5.4.5 用户端视频详情展示模块实现
5.4.6 用户端个人主页实现
5.4.7 后台管理员系统登录模块实现
5.4.8 后台管理员系统首页模块实现
5.4.9 后台管理员系统用户信息模块实现
5.4.10 后台管理员系统bgm管理模块实现
5.4.11 后台管理员系统举报管理模块实现
5.5 本章小结
第六章 移动微视频社区系统测试
6.1 测试用例
6.2 本章小结
总结与展望
参考文献
攻读硕士学位期间的科研成果
致谢
本文编号：3751796
本文链接：https://www.wllwen.com/guanlilunwen/shequguanli/3751796.html
