基于云同步的视频推荐系统的系统实现

发布时间：2017-04-15 11:06

  本文关键词：基于云同步的视频推荐系统的系统实现，由笔耕文化传播整理发布。

【摘要】：如今我们正处于视频信息过载时期,视频推荐系统是解决此问题的方法,相比搜索引擎要求用户有明确的目标并且提供搜索关键字,而视频推荐系统是应用推荐算法从用户的历史行为中挖掘用户的偏好并为推荐视频。云同步、视频推荐系统的研究逐渐成熟并指引着广大人民积极的尝试运用网络的方法与时俱进,同时人们的需求也将越来越急切。互联网上视频资源日益增多,用户观看视频的设备也是各式各样,寻找所需视频的难度无疑的大大增加。视频推荐系统体现出用户对此服务的需求,由于目前的视频推荐技术的局限性,分布式推荐系统技术没有很好的应用。所以我们要充分发挥分布式系统的能够根据用户的观看记录来推荐用户感兴趣的视频列表。为提高大数据的处理能力,采用云同步技术进行支持并提供了以分布式开发的Hadoop框架技术为基础来进行推荐。本文在总结当前国内外视频推荐系统的理论研究和应用现状的基础上,从用户信息收集及用户建模、混合推荐系统的优势、视频推荐系统的设计和实现四个方面展开进行了具体的评述,并探究了其中的有关关键技术,采用了基于mahout的Hadoop技术进行搭建的推荐系统平台。具体完成研究工作如下:(1)分析了视频推荐系统的需求,确定了推荐系统的数据模型等工作。(2)分析了传统的推荐算法,对传统推荐算法进行改进,运用用户在不同设备下不同时间段的内容偏好、属性时长等特征进行混合的加权推荐算法。(3)设计了视频推荐系统的各个模块,形成基于云同步的视频推荐系统架构。(4)用eclipse开发工具,推荐模型实现了视频推荐系统,并进行了基本功能点、浏览器兼容性、可扩展性、性能测试,验证了视频推荐系统的准确性和可用性。目前视频推荐系统已经上线运行,使用云同步搜集用户的所有观看记录来考虑如何应用不同推荐器准确的捕捉用户不同时间段在不同设备上的视频偏好,并对用户进行主动的视频推荐。最后讨论视频推荐系统的未来以及需要改进的方向。
【关键词】：云同步 视频推荐 协同过滤 Hadoop 混合推荐算法
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.3
【目录】：

• 上海交通大学硕士学位论文答辩决议书5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-15
• 1.1 课题研究背景11-12
• 1.2 国内外研究现状12-13
• 1.3 论文研究的目标及主要内容13
• 1.4 论文的组织结构13-15
• 2 视频推荐系统相关技术15-22
• 2.1 Hadoop分布式平台15
• 2.2 Apach Mahout15-16
• 2.3 推荐算法技术16-19
• 2.3.1 基于内容的视频推荐16-17
• 2.3.2 基于关联规则的视频推荐17-18
• 2.3.3 基于协同过滤的视频推荐技术18-19
• 2.3.4 混合的视频推荐机制19
• 2.4 云同步技术19-21
• 2.5 本章小结21-22
• 3 视频推荐系统的数学模型和算法设计22-31
• 3.1 视频推荐引擎一般模型22
• 3.2 推荐系统的业务分析22-23
• 3.3 推荐算法详细设计23-30
• 3.3.1 过滤逻辑27-28
• 3.3.2 在线推荐逻辑28-30
• 3.4 本章小节30-31
• 4 视频推荐系统的需求分析31-38
• 4.1 推荐系统功能性需求分析31-36
• 4.1.1 系统用例分析32-33
• 4.1.2 用户推荐流程图33-35
• 4.1.3 推荐系统活动图35
• 4.1.4 推荐系统的交互时序图35-36
• 4.2 非功能性需求36
• 4.3 本章小结36-38
• 5 系统设计与实现38-62
• 5.1 推荐模块设计38-40
• 5.2 主要组成部分40-42
• 5.2.1 推荐系统的包图40-41
• 5.2.2 推荐系统的类图41-42
• 5.3 系统数据库逻辑设计42-44
• 5.4 API接口设计44-50
• 5.5 调用方式50-51
• 5.6 输入参数51-53
• 5.7 返回参数53-57
• 5.8 用户辨别57-59
• 5.9 视频推荐系统实现环境59-61
• 5.9.1 集群运行环境配置59
• 5.9.2 推荐算法的运行时设置59-60
• 5.9.3 其他运行时设置60-61
• 5.10 本章小结61-62
• 6 视频推荐系统测试62-75
• 6.1 测试环境62
• 6.2 系统测试62-74
• 6.2.1 功能测试62-69
• 6.2.2 推荐效果评估测试69-72
• 6.2.3 性能测试72
• 6.2.4 运行实例72-74
• 6.3 本章小结74-75
• 7 总结与展望75-77
• 7.1 本文总结75
• 7.2 推荐系统研究展望75-77
• 参考文献77-79
• 致谢79-80
• 攻读学位期间发表的学术论文目录80

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 周魏;推荐系统中基于目标项目分析的托攻击检测研究[D];重庆大学;2015年

2 田刚;融合维基知识的情境感知Web服务发现方法研究[D];武汉大学;2015年

3 胡亮;集成多元信息的推荐系统建模方法的研究[D];上海交通大学;2015年

4 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

5 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

6 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

7 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

8 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

9 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

10 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

中国硕士学位论文全文数据库 前10条

1 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

2 丁志东;长尾信息的个性化推荐中的特征选择优化算法[D];北京交通大学;2016年

3 刘琰;基于社交电商的UGC智能推荐系统设计与实现[D];大连海事大学;2015年

4 蔺川;基于LBS移动终端信息推荐系统的研究与实现[D];北京交通大学;2016年

5 盛实旺;个性化的智能饮食推荐系统开发[D];浙江理工大学;2016年

6 丁阳;基于web用户体验的推荐系统设计与实现[D];北京邮电大学;2013年

7 李清明;基于情境感知的就医信息推荐系统的设计与实现[D];太原理工大学;2016年

8 王化明;电子商务推荐系统研究[D];杭州师范大学;2016年

9 刘涛;一个面向论坛用户的个性化阅读推荐系统研究与实现[D];南京大学;2013年

10 刘顺文;基于Hadoop平台的大学生个性化就业推荐系统的构建与研究[D];东华理工大学;2016年

  本文关键词：基于云同步的视频推荐系统的系统实现，由笔耕文化传播整理发布。

，

本文编号：308251