基于MapReduce的少数民族文化资源服务推荐研究
发布时间：2021-04-27 02:55
随着大数据以及人工智能的发展,对少数民族文化资源的保护和传承也提出了新的要求,在对少数民族文化资源的保护和传承的过程中,很多优秀的民族传统文化资源面临着失传的危机。为了更好的保护和传承少数民族文化,实现少数民族文化的共享和传播,运用大数据以及人工智能的方法是首要的技术措施。通过搭建少数民族文化资源服务推荐平台,结合用户对少数民族文化知识的需求,个性化的给用户推荐少数民族文化资源,可以更好的使广大用户更加准确高效的获取到自己感兴趣的少数民族文化知识,以此来更好的促进对少数民族文化的保护和传承。因此本文在MapReduce分布式计算框架下对少数民族文化资源的推荐进行了研究,主要包含了以下几个方面:（1）在基于交替最小二乘法（Alternating Least Squares,ALS）协同过滤算法的基础上,通过在损失函数上融合项目的相似性来减少隐形因子项目属性信息的丢失,同时在模型中引入了冷启动策略对原算法进行改进。并将改进后的算法在Hadoop平台上使用MapReduce计算框架进行实现。实验结果表明,改进后的基于ALS的协同过滤推荐算法与传统的推荐算法相比,本文优化后的算法可以很好的缓解...
【文章来源】：云南师范大学云南省
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 选题依据及意义
1.2 推荐系统研究现状
1.2.1 国外推荐系统研究现状
1.2.2 国内推荐系统研究现状
1.2.3 推荐系统应用于民族文化的现状
1.3 研究内容与论文组织结构
1.3.1 本文研究内容
1.3.2 论文组织结构
1.4 本章小结
第2章 基本理论知识与相关技术
2.1 民族文化资源相关概念与特性
2.1.1 民族文化资源相关概念
2.1.2 民族文化资源的特性
2.2 大数据计算框架相关技术
2.2.1 Hadoop简介
2.2.2 HDFS分布式文件系统
2.2.3 MapReduce编程模型
2.3 推荐系统相关理论概述
2.3.1 推荐系统简介
2.3.2 协同过滤推荐算法
2.4 本章小结
第3章 基于ALS的推荐算法改进
3.1 基于ALS的协同过滤推荐算法
3.2 基于ALS推荐算法的改进
3.3 改进的ALS推荐算法的MapReduce分布式实现
3.4 实验环境搭建
3.4.1 Hadoop集群部署
3.4.2 Hadoop集群配置
3.5 实验与分析
3.5.1 实验数据集
3.5.2 评价指标
3.5.3 实验结果分析
3.6 本章小结
第4章 基于用户标签模型聚类的推荐算法设计
4.1 基于LDA构建少数民族文化资源和用户标签模型
4.1.1 文本表示方法
4.1.2 LDA主题生成模型
4.1.3 少数民族文化资源文本标签化模型
4.1.4 根据用户行为日志构建用户标签模型
4.2 基于用户标签模型的聚类协同过滤推荐算法
4.2.1 问题分析
4.2.2 基于用户标签模型的聚类算法
4.2.3 基于用户标签模型聚类的协同过滤推荐
4.3 基于Hadoop平台对算法的MapReduce分布式实现
4.3.1 用户聚类的Map Reduce分布式实现
4.3.2 协同过滤推荐的MapReduce分布式实现
4.4 实验与分析
4.4.1 实验数据
4.4.2 用户标签的构建实验
4.4.3 推荐算法评估实验
4.5 本章小结
第5章 少数民族文化资源推荐原型系统设计
5.1 系统设计
5.1.1 系统需求分析
5.1.2 系统架构设计
5.1.3 系统功能设计
5.2 系统实现
5.2.1 用户登录和注册的实现
5.2.2 系统首页的实现
5.2.3 系统搜索与推荐结果的实现
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢
本文编号：3162625
【文章来源】：云南师范大学云南省
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 选题依据及意义
1.2 推荐系统研究现状
1.2.1 国外推荐系统研究现状
1.2.2 国内推荐系统研究现状
1.2.3 推荐系统应用于民族文化的现状
1.3 研究内容与论文组织结构
1.3.1 本文研究内容
1.3.2 论文组织结构
1.4 本章小结
第2章 基本理论知识与相关技术
2.1 民族文化资源相关概念与特性
2.1.1 民族文化资源相关概念
2.1.2 民族文化资源的特性
2.2 大数据计算框架相关技术
2.2.1 Hadoop简介
2.2.2 HDFS分布式文件系统
2.2.3 MapReduce编程模型
2.3 推荐系统相关理论概述
2.3.1 推荐系统简介
2.3.2 协同过滤推荐算法
2.4 本章小结
第3章 基于ALS的推荐算法改进
3.1 基于ALS的协同过滤推荐算法
3.2 基于ALS推荐算法的改进
3.3 改进的ALS推荐算法的MapReduce分布式实现
3.4 实验环境搭建
3.4.1 Hadoop集群部署
3.4.2 Hadoop集群配置
3.5 实验与分析
3.5.1 实验数据集
3.5.2 评价指标
3.5.3 实验结果分析
3.6 本章小结
第4章 基于用户标签模型聚类的推荐算法设计
4.1 基于LDA构建少数民族文化资源和用户标签模型
4.1.1 文本表示方法
4.1.2 LDA主题生成模型
4.1.3 少数民族文化资源文本标签化模型
4.1.4 根据用户行为日志构建用户标签模型
4.2 基于用户标签模型的聚类协同过滤推荐算法
4.2.1 问题分析
4.2.2 基于用户标签模型的聚类算法
4.2.3 基于用户标签模型聚类的协同过滤推荐
4.3 基于Hadoop平台对算法的MapReduce分布式实现
4.3.1 用户聚类的Map Reduce分布式实现
4.3.2 协同过滤推荐的MapReduce分布式实现
4.4 实验与分析
4.4.1 实验数据
4.4.2 用户标签的构建实验
4.4.3 推荐算法评估实验
4.5 本章小结
第5章 少数民族文化资源推荐原型系统设计
5.1 系统设计
5.1.1 系统需求分析
5.1.2 系统架构设计
5.1.3 系统功能设计
5.2 系统实现
5.2.1 用户登录和注册的实现
5.2.2 系统首页的实现
5.2.3 系统搜索与推荐结果的实现
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢
本文编号：3162625
本文链接：https://www.wllwen.com/shekelunwen/wenhuayichanlunwen/3162625.html
