基于Spark流式计算的实时电影推荐系统的研究与实现 |
论文目录 | | | 摘要 | 第1-6页 | | Abstract | 第6-10页 | | 第1章 绪论 | 第10-20页 | | 1.1 研究背景 | 第10-11页 | | 1.2 研究意义 | 第11-12页 | | 1.3 国外电影推荐系统的发展现状 | 第12-15页 | | 1.4 国内电影推荐系统的发展现状 | 第15-17页 | | 1.5 本文结构 | 第17-18页 | | 1.6 本章小结 | 第18-20页 | | 第2章 基于Spark平台的离线计算系统设计 | 第20-32页 | | 2.1 Spark与 Hadoop简介 | 第20-21页 | | 2.2 Spark与 Hadoop对比 | 第21-22页 | | 2.3 协同过滤技术 | 第22-24页 | | 2.4 离线部分具体实现 | 第24-26页 | | 2.5 推荐算法冷启动问题 | 第26-28页 | | 2.5.1 k-means算法简介 | 第27页 | | 2.5.2 冷启动详细解决方法 | 第27-28页 | | 2.6 程序测试 | 第28-31页 | | 2.7 本章小结 | 第31-32页 | | 第3章 基于Spark Streaming的在线计算系统设计 | 第32-42页 | | 3.1 Spark Streaming技术 | 第33-34页 | | 3.2 在线计算主要模块系统设计 | 第34-38页 | | 3.2.1 构建在线评分数据源 | 第34-36页 | | 3.2.2 Spark Streaming实时接收模块 | 第36-38页 | | 3.3 程序测试 | 第38-40页 | | 3.4 本章小结 | 第40-42页 | | 第4章 电影推荐系统WEB端设计 | 第42-54页 | | 4.1 java简介 | 第42-43页 | | 4.2 Redis简介和使用 | 第43-45页 | | 4.3 MySQL数据库设计 | 第45-47页 | | 4.4 电影推荐的Web系统详细设计 | 第47-49页 | | 4.4.1 用户操作浏览模块具体实现 | 第47-49页 | | 4.4.2 管理员管理模块具体实现 | 第49页 | | 4.5 测序测试 | 第49-53页 | | 4.6 本章小结 | 第53-54页 | | 第5章 实时电影推荐系统整体的测试与实验结果分析 | 第54-58页 | | 5.1 平台测试目标 | 第54页 | | 5.2 系统测试环境 | 第54页 | | 5.3 测试用例 | 第54-56页 | | 5.4 测试结果分析 | 第56-57页 | | 5.6 本文小结 | 第57-58页 | | 第6章 总结和展望 | 第58-60页 | | 6.1 论文总结 | 第58页 | | 6.2 论文展望 | 第58-60页 | | 参考文献 | 第60-64页 | | 攻读硕士期间已发表的论文 | 第64-66页 | | 致谢 | 第66页 |
|
|
|
| |
