论文部分内容阅读
传统的电影推荐系统单纯地靠结合用户的兴趣度作为推荐的主要参考标准,虽然推荐的电影符合用户的兴趣,但是由于所推荐电影的质量不高,因此用户往往会中途放弃使用,为了让用户能够及时找到自己所感兴趣的电影类型,同时保证所推荐的电影具有高质量水准,精准地向用户推荐所感兴趣的电影,本课题结合了Hadoop架构技术和协同推荐算法,同时结合了电影的评分数据,来让系统所推荐的电影不仅仅可以符合用户口味,同时还带有高评分、好口碑的特点,来增强用户对推荐系统的使用黏度,从而可以持续为系统用户推荐符合用户口味的电影类型,实现一个高质量电影推荐同时符合用户个人偏好的电影推荐系统。本系统将利用协同推荐算法为电影推荐提供推荐理论基础,指导推荐流程的构建,利用Hadoop技术为系统提供基本架构支持,让庞大的电影资源数据可以同时进行高速运算和存储,同时本系统对电影推荐的现实需求进行调研,了解电影推荐的相关应用算法,以及推荐的基本逻辑流程等。采用电影平台中的评分数据为系统中的评分提供参考,基于评分数据构建用户评分矩阵并以此计算用户之间的相似。系统将分为后台管理端和用户安卓端,后台管理端主要对电影数据进行集中式处理,应用推荐算法,提取出推荐对象。用户安卓端主要浏览所有的电影资源以及为用户所推荐的电影,分析本课题开发的基于Hadoop的电影推荐系统的需求,主要对功能性和非功能性的需求分析,对电影推荐的现实需求进行调研,了解电影推荐的相关应用算法,以及推荐的基本逻辑流程等,提出满足观看者兴趣的电影推荐系统功能业务需求,设计基于Hadoop的电影推荐系统的结构体系和大体的功能框架。将系统功能分为用户信息管理、电影信息管理、数据处理模块、特征分析、电影推荐五大功能模块,利用Android、C#编程语言、MySQL数据库技术组成技术基础,构建系统的用户兴趣模型,最后完成本系统的功能模块的详细设计和数据库设计,对系统进行了测试,描述了系统测试步骤,之后对系统进行了性能测试和功能测试。本文选取了Apache Hadoop作为本论文应用系统的分布式计算平台,并结合了协同推荐算法,创新性的利用电影观看平台中的评分数据信息,对电影数据进行集中式处理,应用推荐算法,提取出推荐对象。实现一个强大的电影推荐系统,为用户精准推荐符合用户兴趣度的电影类型,并且推荐的电影同时具备高质量、高评分的特点,使其可以区别于传统的电影推荐系统。