基于Hadoop的电影推荐系统的设计与实现

发布时间：2022-02-19 00:07

　　随着社会的发展和技术的迅速革新,人们渐渐的由资讯不足的年代步入了信息过剩的时间段,处于这样时代,不管是信息的生产者,还是说信息的使用者都面临着前所未有的挑战:第一,对于前者而言,其想让自己的给出的信息变得与众不同,同时获得许许多多的目光,是一个不简单的过程;第二,对于后者而言,怎样从庞大的信息中寻求有利于自身需求的,这同样也是一个不简单的过程。因此,对于如今网络上能够让消费者观看的电影数量的正成几何倍数增加,其类型也是五花八门,常常用户需要花费大量时间来寻找自己感兴趣的电影。为了使用户有更好的体验感受,个性化推荐技术是一种有效的解决方法。如今,海量的数据库中的信息增加和用户的需求量也不断增加,而曾经的那些传统推荐算法是以主要是单机形式,计算较为复杂,无法满足海量数据的推荐计算。为了更好的解决推荐算法的可拓展性和准确性,本文设计的电影推荐系统选择了具有高度容错性的分布式文件系统HDFS作为底层文件系统,同时选择MapReduce作为海量数据处理工具。文中重点研究了基于內容的推荐算法、基于关联规则的推荐算法和协同过滤推荐算法,在进行计算和分析对比后,发现基于项目的协同过滤算法能够更好的反映... 

【文章来源】：大连理工大学辽宁省211工程院校985工程院校教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 国外推荐系统发展历程
        1.2.2 国内推荐系统发展历程
    1.3 本文研究的内容与组织结构
2 推荐系统的理论与技术研究
    2.1 推荐系统概述
    2.2 推荐系统的算法分析
        2.2.1 基于内容的推荐
        2.2.2 关联规则的推荐
        2.2.3 协同过滤的推荐
    2.3 系统所采用的主要技术介绍
        2.3.1 Hadoop简介
        2.3.2 MySQL数据库
        2.3.3 SSM架构技术
        2.3.4 Maven
        2.3.5 Solr
3 系统需求分析
    3.1 功能性需求
    3.2 非功能性需求
        3.2.1 性能需求
        3.2.2 稳定性需求
        3.2.3 准确性需求
        3.2.4 可维护性和扩展性需求
        3.2.5 安全性需求
        3.2.6 可靠性
4 系统设计
    4.1 系统总体架构
    4.2 系统功能设计
    4.3 系统详细设计
        4.3.1 登录模块
        4.3.2 电影规格参数
        4.3.3 电影搜索
        4.3.4 用户对电影评分
        4.3.5 为用户提供个性化推荐
    4.4 数据库设计
        4.4.1 实体描述及E-R图
        4.4.2 数据库表结构
    4.5 Hadoop平台上的分布式协同过滤算法的设计
        4.5.1 传统协同过滤算法在Hadoop平台上的可行性
        4.5.2 Hadoop平台上的分布式协同过滤算法的设计
5 系统的实现与测试
    5.1 系统环境搭建
    5.2 系统功能实现
        5.2.1 用户登录模块实现
        5.2.2 电影详情页面展示模块实现
        5.2.3 用户搜索模块实现
        5.2.4 用户评分模块实现
        5.2.5 个性化推荐模块实现
        5.2.6 后台电影信息管理界面
    5.3 实验及分析
        5.3.1 数据集
        5.3.2 实验评估方法
        5.3.3 实验结果及分析
    5.4 系统测试
结论
参考文献
致谢


【参考文献】：
期刊论文
[1]推荐系统研究进展[J]. 朱扬勇,孙婧.  计算机科学与探索. 2015(05)
[2]个性化推荐系统中协同过滤方法的研究[J]. 赵智,韩丹.  电脑知识与技术. 2014(27)
[3]推荐系统研究综述[J]. 李斌.  现代计算机(专业版). 2014(03)
[4]电子商务推荐系统综述及发展研究[J]. 赵良辉,熊作贞.  电子商务. 2013(12)
[5]Hadoop环境下的分布式协同过滤算法设计与实现[J]. 肖强,朱庆华,郑华,吴克文.  现代图书情报技术. 2013(01)
[6]一种电影个性化推荐系统的研究与实现[J]. 钱程,阳小兰.  计算机与数字工程. 2011(08)
[7]个性化推荐中一种新的相似性计算方法[J]. 龚松杰.  计算机系统应用. 2008(07)

博士论文
[1]推荐系统的协同过滤算法与应用研究[D]. 郭艳红.大连理工大学 2008

硕士论文
[1]基于协同过滤的分布式电影推荐系统设计与实现[D]. 刘欢天.西安电子科技大学 2015
[2]基于Hadoop的全分布式存储架构研究[D]. 刘衍森.西安电子科技大学 2013
[3]基于Hadoop的海量数据处理模型研究和应用[D]. 朱珠.北京邮电大学 2008



本文编号：3631804