基于Hadoop架構(gòu)的用戶協(xié)同過濾影視推薦系統(tǒng)的研究與應用.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、近年來,隨著移動互聯(lián)網(wǎng)、云計算、多媒體等技術(shù)和應用的快速發(fā)展,互動電視正在進入數(shù)字化時代,提供個性化的節(jié)目服務日益滲透進人們的生活?;踊€性化、信息化已成為互動電視的主要特征,影視推薦系統(tǒng)也成為互動電視重要的研究應用方向。推薦系統(tǒng)以特定用戶群體為目標,以挖掘用戶興趣喜好為基礎,為用戶提供精確的信息服務和產(chǎn)品推薦。在當今大數(shù)據(jù)的環(huán)境下,原有采用信息檢索和信息過濾技術(shù)的推薦系統(tǒng),已經(jīng)不能滿足海量數(shù)據(jù)下快速、實時處理需求,從而制約了推薦系

2、統(tǒng)的發(fā)展。本文以互動電視影視推薦為研究對象,結(jié)合Hadoop技術(shù)、協(xié)同過濾算法,分析并構(gòu)建了一個分布式架構(gòu)的推薦系統(tǒng),優(yōu)化和改進了現(xiàn)有推薦算法,應用結(jié)果表明達到預期研究目標。
  本研究主要內(nèi)容包括:⑴基于Hadoop技術(shù),搭建了自動化、智能化的互動電視影視劇推薦系統(tǒng)。本論文將Hadoop的分布式架構(gòu)應用于互動電視領域,通過分析推薦系統(tǒng)中存在的用戶興趣變化、冷啟動、數(shù)據(jù)稀疏度等問題,設計了針對互動電視行業(yè)的大數(shù)據(jù)推薦系統(tǒng)。⑵針對目

3、前電視節(jié)目推薦個性化、準確性、高效的需求,構(gòu)建了基于電視用戶行為的協(xié)同過濾推薦模型,并應用于互動電視節(jié)目推薦中。在互動電視用戶的點播行為數(shù)據(jù)、影視劇信息、用戶基礎信息等基礎上,采用K-Means聚類算法對用戶進行聚類,結(jié)合互動電視的行業(yè)特點,建立了基于用戶行為的協(xié)同過濾推薦模型。采用Hadoop分布式文件系統(tǒng)、HBase列式數(shù)據(jù)庫和Mahout等大數(shù)據(jù)技術(shù)對系統(tǒng)進行設計實現(xiàn)。對建立的推薦模型通過搭建測試環(huán)境進行了驗證,并將成果應用于實際

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論