协同过滤电影推荐系统的研究与设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 推荐研究的背景 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.2.1 电影推荐系统的现状 | 第12-13页 |
| 1.3 推荐研究的内容 | 第13-15页 |
| 1.4 本文研究内容 | 第15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第2章 系统需求分析和实现技术 | 第17-25页 |
| 2.1 需求分析 | 第17-18页 |
| 2.2 系统Web框架 | 第18-21页 |
| 2.2.1 Spring | 第18-19页 |
| 2.2.2 Struts2 | 第19-20页 |
| 2.2.3 SpringMVC | 第20-21页 |
| 2.3 事务框架 | 第21-23页 |
| 2.3.1 Hibernate | 第21-22页 |
| 2.3.2 Mybatis | 第22-23页 |
| 2.4 Spark计算库 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 推荐算法的研究 | 第25-42页 |
| 3.1 基于内容的推荐 | 第25-28页 |
| 3.1.1 基于内容推荐算法 | 第26-27页 |
| 3.1.2 基于内容的缺陷 | 第27-28页 |
| 3.2 邻近协同过滤推荐 | 第28-32页 |
| 3.2.1 基于用户的协同过滤 | 第28-29页 |
| 3.2.2 基于物品的协同过滤 | 第29页 |
| 3.2.3 相似性度量值计算 | 第29-31页 |
| 3.2.4 受限和稀疏性问题 | 第31-32页 |
| 3.3 降维协同过滤推荐 | 第32-37页 |
| 3.3.1 随机梯度下降矩阵分解 | 第34页 |
| 3.3.2 交叉最小二乘矩阵分解 | 第34-36页 |
| 3.3.3 改进交叉最小二乘算法 | 第36-37页 |
| 3.3.4 ALS和随机梯度下降的比对 | 第37页 |
| 3.4 推荐算法存在的问题 | 第37-38页 |
| 3.4.1 隐私性问题 | 第37-38页 |
| 3.4.2 冷启动问题 | 第38页 |
| 3.5 实验结果和分析 | 第38-41页 |
| 3.5.1 推荐系统的评估 | 第38页 |
| 3.5.2 仿真实验和结果分析 | 第38-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 系统的设计和实现 | 第42-59页 |
| 4.1 分区设计 | 第42-43页 |
| 4.2 模块设计 | 第43-44页 |
| 4.3 数据库设计 | 第44-46页 |
| 4.4 系统框架搭建 | 第46-47页 |
| 4.5 系统实现 | 第47-56页 |
| 4.5.1 登录模块 | 第47-48页 |
| 4.5.2 查询模块 | 第48-49页 |
| 4.5.3 评分模块 | 第49-51页 |
| 4.5.4 历史记录模块 | 第51-53页 |
| 4.5.5 推荐模块 | 第53-56页 |
| 4.6 成果展示 | 第56-58页 |
| 4.7 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-68页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第68-69页 |
| 致谢 | 第69页 |
