基于Spark的电影推荐关键技术研究

发布时间：2022-07-15 15:16

　　随着互联网视频业务量的迅速增长,在线电影等流媒体服务已经成为人们对网络业务需求的重要组成部分。随着在线电影质量和数量的不断提升,用户对在线电影的关注度也逐渐提高。如何从庞大的在线电影资源中根据用户需求进行推送,是提高用户满意度,优化网络资源的需要解决的重要课题。在线电影推荐系统是电影推介技术的有效途径之一,目前已经成为研究热点。近年来所研究出的电影推荐系统主要依据用户对电影的评分来寻找相关用户,但是不同用户对电影的审视标准不同,从而会产生对同一部电影有不同评价的结果,甚至会出现差别较大情况。因此,仅根据评分结果来进行电影推荐存在一定局限性。为了提高对电影评价的客观性,电影评论被纳入评判标准中。通过用户在电影评论中体现出的情感信息来分析和寻找相关用户成为目前电影推荐关键技术的研究重点。目前基于情感分析的电影推荐技术大多将情感分为中性、积极和消极三类,实际上用户对电影的情感表达是复杂的,仅用三类信息来进行判别存在较大局限;同时情感分类技术中,还存在语义理解能力不足,强度分析薄弱等问题,造成情感分类准确率低下。本文针对以上研究不足,综合分析了情感类别、强度,以及否定词、程度词等语义因素,建立... 

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 选题缘由及研究意义
    1.2 国内外研究现状
        1.2.1 推荐系统研究现状
        1.2.2 情感分析研究现状
    1.3 研究目的和内容
    1.4 主要工作及内容安排
第2章 相关知识概述
    2.1 相关推荐算法和技术
        2.1.1 基于协同过滤的推荐
        2.1.2 基于内容的推荐
    2.2 文本情感分析
        2.2.1 基于词典的情感分析
        2.2.2 基于语义的情感分析
        2.2.3 基于机器学习的情感分析
    2.3 本章小结
第3章 基于情感词典的文本情感分类
    3.1 情感词典的构建
    3.2 程度词和否定词语义分析
        3.2.1 程度词语义分析
        3.2.2 否定词语义分析
        3.2.3 否定词与程度词不同组合语义分析
    3.3 评论文本情感分析
        3.3.1 评论文本分类算法
        3.3.2 评价指标
    3.4 实验结果分析
        3.4.1 实验流程设计
        3.4.2 实验结果分析
    3.5 本章小结
第4章 基于用户的协同过滤算法优化设计
    4.1 基于相似用户的稀疏矩阵填补
        4.1.1 问题概述
        4.1.2 稀疏矩阵填补
    4.2 基于用户的协同过滤的电影推荐
        4.2.1 问题概述
        4.2.2 用户特征相似度
        4.2.3 基于用户的协同过滤算法
    4.3 算法评价指标
    4.4 实验结果分析
        4.4.1 邻居用户集选取实验与分析
        4.4.2 稀疏矩阵填补实验与分析
        4.4.3 几种推荐方法对比实验与分析
    4.5 本章小结
第5章 基于Spark的电影推荐系统设计与实现
    5.1 系统架构设计
    5.2 系统主要模块设计
        5.2.1 数据层
        5.2.2 策略层
        5.2.3 推荐引擎层
        5.2.4 业务层
    5.3 系统主要模块实现
        5.3.1 数据处理
        5.3.2 推荐引擎关键算法实现
        5.3.3 推荐结果处理模块
        5.3.4 用户交互模块
    5.4 系统测试与运行
        5.4.1 系统环境
        5.4.2 系统功能测试
        5.4.3 系统性能测试
    5.5 本章小结
第6章 总结与展望
    6.1 论文主要工作总结
    6.2 研究展望
参考文献
致谢



本文编号：3662296