基于Spark的电影推荐系统的设计与实现

发布时间：2021-01-12 07:20

　　在人们的生产生活中经常可见大数据[1]的身影,数据量呈现几何式的增长,传统的信息传递机制越显弊端。现在正是推荐系统大力发展的上升期,但是也要克服随之而来的诸多问题,经常出现的冷启动[2]、数据稀疏性[3]等问题被众多学者广泛研究。该文打算采用聚类技术和协同过滤等技术来缓解这些问题,提升推荐质量,从而满足人们能够快速地获取所需信息。然后设计出一个关于电影的推荐网站,采用现今比较流行的处理大数据的Spark[4]技术以及依托建立在其上层的MLlib机器学习生态库。达到处理海量数据的能力,根据现有的条件技术从离线推荐和热门推荐两种方式分区组合推荐来实现本系统。 

【文章来源】：电脑知识与技术. 2020,16(33)

【文章页数】：3 页

【部分图文】：

系统功能模块

在网站的登录界面填写账号与密码，通过验证其真实性后转跳到推荐首页，其中一部分展示的电影列表是为当前登录用户所做的个性化推荐，另一部分展示的是近期比较热门的电影，这部分向所有用户都推荐相同的内容。登录用户用例图如图2所示。2.2.3 电影推荐流程设计

2.2.3 电影推荐流程设计用户进入电影网站后，如果是用老用户直接输入账号密码登录，如果是新用户则转跳到注册页面后再重新登录。推荐系统为用户展示电影信息，用户可以选择某部电影查看详情，同时还可以对此电影采取打分操作。用户电影推荐流程如图3所示。

【参考文献】：
期刊论文
[1]大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 李国杰,程学旗.  中国科学院院刊. 2012(06)

博士论文
[1]协同过滤系统的稀疏性与冷启动问题研究[D]. 孙小华.浙江大学 2005



本文编号：2972415