| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 研究现状 | 第8-9页 |
| 1.2.1 国外推荐系统发展历程 | 第8-9页 |
| 1.2.2 国内推荐系统发展历程 | 第9页 |
| 1.3 本文研究的内容与组织结构 | 第9-11页 |
| 2 推荐系统的理论与技术研究 | 第11-29页 |
| 2.1 推荐系统概述 | 第11-12页 |
| 2.2 推荐系统的算法分析 | 第12-23页 |
| 2.2.1 基于内容的推荐 | 第12-14页 |
| 2.2.2 关联规则的推荐 | 第14-15页 |
| 2.2.3 协同过滤的推荐 | 第15-23页 |
| 2.3 系统所采用的主要技术介绍 | 第23-29页 |
| 2.3.1 Hadoop简介 | 第23-25页 |
| 2.3.2 MySQL数据库 | 第25页 |
| 2.3.3 SSM架构技术 | 第25-28页 |
| 2.3.4 Maven | 第28页 |
| 2.3.5 Solr | 第28-29页 |
| 3 系统需求分析 | 第29-33页 |
| 3.1 功能性需求 | 第29-31页 |
| 3.2 非功能性需求 | 第31-33页 |
| 3.2.1 性能需求 | 第31页 |
| 3.2.2 稳定性需求 | 第31-32页 |
| 3.2.3 准确性需求 | 第32页 |
| 3.2.4 可维护性和扩展性需求 | 第32页 |
| 3.2.5 安全性需求 | 第32页 |
| 3.2.6 可靠性 | 第32-33页 |
| 4 系统设计 | 第33-45页 |
| 4.1 系统总体架构 | 第33-34页 |
| 4.2 系统功能设计 | 第34-35页 |
| 4.3 系统详细设计 | 第35-40页 |
| 4.3.1 登录模块 | 第35-37页 |
| 4.3.2 电影规格参数 | 第37-38页 |
| 4.3.3 电影搜索 | 第38页 |
| 4.3.4 用户对电影评分 | 第38-39页 |
| 4.3.5 为用户提供个性化推荐 | 第39-40页 |
| 4.4 数据库设计 | 第40-43页 |
| 4.4.1 实体描述及E-R图 | 第40-41页 |
| 4.4.2 数据库表结构 | 第41-43页 |
| 4.5 Hadoop平台上的分布式协同过滤算法的设计 | 第43-45页 |
| 4.5.1 传统协同过滤算法在Hadoop平台上的可行性 | 第43页 |
| 4.5.2 Hadoop平台上的分布式协同过滤算法的设计 | 第43-45页 |
| 5 系统的实现与测试 | 第45-62页 |
| 5.1 系统环境搭建 | 第45页 |
| 5.2 系统功能实现 | 第45-58页 |
| 5.2.1 用户登录模块实现 | 第45-49页 |
| 5.2.2 电影详情页面展示模块实现 | 第49-50页 |
| 5.2.3 用户搜索模块实现 | 第50-52页 |
| 5.2.4 用户评分模块实现 | 第52-53页 |
| 5.2.5 个性化推荐模块实现 | 第53-56页 |
| 5.2.6 后台电影信息管理界面 | 第56-58页 |
| 5.3 实验及分析 | 第58-60页 |
| 5.3.1 数据集 | 第58页 |
| 5.3.2 实验评估方法 | 第58页 |
| 5.3.3 实验结果及分析 | 第58-60页 |
| 5.4 系统测试 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-67页 |
