基于协同过滤的电影票务系统设计与实现
发布时间：2021-02-14 23:18
随着我国互联网科技的发展与信息化建设迅速推进,电影行业得到空前发展。传统的电影售票模式主要以人工售票为主,该电影票务管理模式有很多弊端。从用户的角度而言,用户无法享受便捷的服务体验。同时,不了解其兴趣的用户或者对其兴趣了解很模糊的用户无法在购票的过程中快速地定位其真正感兴趣的电影,从而造成时间的浪费;从影院的角度而言,各个影院的管理效率低下、耗费成本高、经营管理水平滞后;从服务提供商的角度而言,没有平台能够帮助其将电影作品迅速地导向市场。为了实现三方共赢局面、满足三方需求,基于协同过滤的电影票务系统应用而生。作者通过对电影票务系统的需求进行调研,在需求分析和前期的技术研究基础上进行了电影票务系统架构设计、功能模块设计和数据库设计,实现了基于协同过滤的电影票务系统。本课题作者独立设计并实现了如下五大模块:（1）用户信息维护模块:本模块主要实现用户对个人信息维护功能。（2）电影票务推荐模块:本模块主要实现电影票务推荐功能,系统会根据用户行为定位用户兴趣,从而实现为用户进行个性化电影推荐的目的。本课题中,电影票务推荐模块采用改进以后的基于用户的协同过滤算法来支撑其推荐功能。传统的基于用户的协...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
图２－１基于用户的协同过滤算法流程图??Ｆｉｇｕｒｅ?２－１?Ｕｓｅｒ－ｂａｓｅｄ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??
距离原则分配到最近邻的簇中；第三、使用每一个簇内样本数据的均值作为新的??聚类中心；第四、重复第二和第三两个步骤，直到聚类中心不再发生改变。Ｋｍｅａｎｓ??算法流程图如图２－２所示。???＾?????设置聚类个数和初始化聚类中心??，??—??＂Ｉ—一．—．—?丨??根据最离原则，将距离聚类￥心最近的样本点分？Ｅ到此聚类中心所在簇卜－??一＾７７?．．二?Ｊ?一一??１计算￥的聚类中心｜???ＹＥＳ???ＮＯ??图２－２?Ｋｍｅａｎｓ算法流程图??Ｆｉｇｕｒｅ?２－２?Ｋｍｅａｎｓ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??（２）欧式距离度量??在Ｋｍｅａｎｓ算法距离度量中，本文使用欧式距离度量见式（２－３）。??Ｄｉｓ?＝?－｝；）２?＋?（Ｘ２?－?Ｙ２?ｆ?＋．．．（Ｘｎ－Ｙ？）２?（２－３）??２．２算法评测指标??算法性能的优劣直接影响着用户对推荐结果的满意度，为了能够提升用户满??意度，本文对基于用户的协同过滤算法和Ｋｍｅａｎｓ聚类算法进行评测，通过推荐算??法评测指标和聚类算法评测指标的实际结果来不断调整算法状态。其中，推荐算??法评测指标包括准确率、召回率、流行度和计算时长，聚类算法评测指标为轮廓??系数。本文在后续部分重点叙述上述五个评测指标。??２．２．１?推荐算法评测指标??完成推荐行为一般需要三个参与方
３．１系统总体功能模块??本文从整体上将电影票务系统划分为五大功能模块，分别为用户信息维护模??块、电影票务推荐模块、电影票务预订模块、电影票务评分模块和后台管理模块。??系统总体功能模块如图３－１所示。??
【参考文献】：
期刊论文
[1]基于长尾理论的物品协同过滤Top-N推荐算法[J]. 刘向举,袁煦聪,刘鹏程. 齐齐哈尔大学学报(自然科学版). 2019(02)
[2]高话务场景负载均衡策略研究及实践[J]. 刘毅,刘红梅,牛海涛,张振刚. 电信技术. 2019(02)
[3]协同过滤算法中冷启动问题研究[J]. 邵煜,谢颖华. 计算机系统应用. 2019(02)
[4]基于K-means聚类算法优化方法的研究[J]. 刘叶,吴晟,周海河,吴兴蛟,韩林峄. 信息技术. 2019(01)
[5]一种基于用户的协同过滤推荐算法[J]. 张双庆. 电脑知识与技术. 2019(01)
[6]SpringBoot框架在web应用开发中的探讨[J]. 吕宇琛. 科技创新导报. 2018(08)
[7]基于大数据岗位需求的文本聚类研究[J]. 刘睿伦,叶文豪,高瑞卿,唐梦嘉,王东波. 数据分析与知识发现. 2017(12)
[8]个性化推荐系统综述[J]. 刘辉,郭梦梦,潘伟强. 常州大学学报(自然科学版). 2017(03)
[9]个性化推荐系统评测指标与实验方法研究[J]. 吴海霞,何苑,路璐. 晋中学院学报. 2015(03)
硕士论文
[1]B公司基于协同过滤算法的零售商品推荐系统研究[D]. 胡波.北京交通大学 2018
[2]基于协同过滤的个性化推荐技术研究[D]. 庞海龙.长春工业大学 2018
[3]基于Spark的个性化电影推荐系统的设计与实现[D]. 庞帆栋.东南大学 2017
[4]基于用户聚类的协同过滤推荐算法研究[D]. 明小红.北京交通大学 2017
[5]基于协同过滤的推荐系统设计与实现[D]. 黄宇.北京交通大学 2015
[6]综合用户特征的协同过滤推荐算法的研究[D]. 冯旻远.南京邮电大学 2014
本文编号：3034027
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：99 页
【学位级别】：硕士
【部分图文】：
图２－１基于用户的协同过滤算法流程图??Ｆｉｇｕｒｅ?２－１?Ｕｓｅｒ－ｂａｓｅｄ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??
距离原则分配到最近邻的簇中；第三、使用每一个簇内样本数据的均值作为新的??聚类中心；第四、重复第二和第三两个步骤，直到聚类中心不再发生改变。Ｋｍｅａｎｓ??算法流程图如图２－２所示。???＾?????设置聚类个数和初始化聚类中心??，??—??＂Ｉ—一．—．—?丨??根据最离原则，将距离聚类￥心最近的样本点分？Ｅ到此聚类中心所在簇卜－??一＾７７?．．二?Ｊ?一一??１计算￥的聚类中心｜???ＹＥＳ???ＮＯ??图２－２?Ｋｍｅａｎｓ算法流程图??Ｆｉｇｕｒｅ?２－２?Ｋｍｅａｎｓ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??（２）欧式距离度量??在Ｋｍｅａｎｓ算法距离度量中，本文使用欧式距离度量见式（２－３）。??Ｄｉｓ?＝?－｝；）２?＋?（Ｘ２?－?Ｙ２?ｆ?＋．．．（Ｘｎ－Ｙ？）２?（２－３）??２．２算法评测指标??算法性能的优劣直接影响着用户对推荐结果的满意度，为了能够提升用户满??意度，本文对基于用户的协同过滤算法和Ｋｍｅａｎｓ聚类算法进行评测，通过推荐算??法评测指标和聚类算法评测指标的实际结果来不断调整算法状态。其中，推荐算??法评测指标包括准确率、召回率、流行度和计算时长，聚类算法评测指标为轮廓??系数。本文在后续部分重点叙述上述五个评测指标。??２．２．１?推荐算法评测指标??完成推荐行为一般需要三个参与方
３．１系统总体功能模块??本文从整体上将电影票务系统划分为五大功能模块，分别为用户信息维护模??块、电影票务推荐模块、电影票务预订模块、电影票务评分模块和后台管理模块。??系统总体功能模块如图３－１所示。??
【参考文献】：
期刊论文
[1]基于长尾理论的物品协同过滤Top-N推荐算法[J]. 刘向举,袁煦聪,刘鹏程. 齐齐哈尔大学学报(自然科学版). 2019(02)
[2]高话务场景负载均衡策略研究及实践[J]. 刘毅,刘红梅,牛海涛,张振刚. 电信技术. 2019(02)
[3]协同过滤算法中冷启动问题研究[J]. 邵煜,谢颖华. 计算机系统应用. 2019(02)
[4]基于K-means聚类算法优化方法的研究[J]. 刘叶,吴晟,周海河,吴兴蛟,韩林峄. 信息技术. 2019(01)
[5]一种基于用户的协同过滤推荐算法[J]. 张双庆. 电脑知识与技术. 2019(01)
[6]SpringBoot框架在web应用开发中的探讨[J]. 吕宇琛. 科技创新导报. 2018(08)
[7]基于大数据岗位需求的文本聚类研究[J]. 刘睿伦,叶文豪,高瑞卿,唐梦嘉,王东波. 数据分析与知识发现. 2017(12)
[8]个性化推荐系统综述[J]. 刘辉,郭梦梦,潘伟强. 常州大学学报(自然科学版). 2017(03)
[9]个性化推荐系统评测指标与实验方法研究[J]. 吴海霞,何苑,路璐. 晋中学院学报. 2015(03)
硕士论文
[1]B公司基于协同过滤算法的零售商品推荐系统研究[D]. 胡波.北京交通大学 2018
[2]基于协同过滤的个性化推荐技术研究[D]. 庞海龙.长春工业大学 2018
[3]基于Spark的个性化电影推荐系统的设计与实现[D]. 庞帆栋.东南大学 2017
[4]基于用户聚类的协同过滤推荐算法研究[D]. 明小红.北京交通大学 2017
[5]基于协同过滤的推荐系统设计与实现[D]. 黄宇.北京交通大学 2015
[6]综合用户特征的协同过滤推荐算法的研究[D]. 冯旻远.南京邮电大学 2014
本文编号：3034027
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3034027.html
