| 目录 | 第2-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 论文背景 | 第6-7页 |
| 1.2 视频点播系统中存在的问题和发展趋势 | 第7页 |
| 1.3 视频点播及推荐系统国内外研究现状 | 第7-9页 |
| 1.4 论文的主要研究内容 | 第9页 |
| 1.5 论文结构 | 第9-11页 |
| 第二章 关键技术介绍 | 第11-19页 |
| 2.1 数据挖掘推荐技术 | 第11-15页 |
| 2.1.1 基于物品的协同过滤推荐算法 | 第11-13页 |
| 2.1.2 基于内容的推荐算法 | 第13-14页 |
| 2.1.3 混合推荐算法 | 第14页 |
| 2.1.4 K最近邻算法 | 第14-15页 |
| 2.2 REST WEB SERVICE技术 | 第15-17页 |
| 2.3 GData与Atom | 第17页 |
| 2.4 YAML | 第17-19页 |
| 第三章 系统需求分析 | 第19-25页 |
| 3.1 系统功能需求分析 | 第19-21页 |
| 3.1.1 目标数据预处理模块 | 第19-20页 |
| 3.1.2 推荐计算模块 | 第20-21页 |
| 3.1.3 推荐结果展现模块 | 第21页 |
| 3.2 数据库设计 | 第21-25页 |
| 第四章 系统详细设计与实现 | 第25-64页 |
| 4.1 系统总体架构 | 第25-28页 |
| 4.1.1 视频点播系统架构 | 第25-27页 |
| 4.1.2 有线视频点播推荐系统架构 | 第27-28页 |
| 4.2 视频推荐目标数据预处理 | 第28-41页 |
| 4.2.1 视频点播系统电影类型分析 | 第29-30页 |
| 4.2.2 视频点播系统CATALOG子系统数据库数据抽取 | 第30-33页 |
| 4.2.3 豆瓣网站目标数据抽取 | 第33-41页 |
| 4.3 视频推荐目标数据转换 | 第41-46页 |
| 4.3.1 视频点播系统CATALOG子系统数据转换 | 第41页 |
| 4.3.2 豆瓣网站目标数据转换 | 第41-44页 |
| 4.3.3 目标数据装载 | 第44-46页 |
| 4.4 视频推荐算法实现 | 第46-59页 |
| 4.4.1 相似度计算 | 第46-48页 |
| 4.4.2 SVD降维 | 第48-49页 |
| 4.4.3 基于豆瓣用户评分数据的ITEM-BASED协同过滤推荐算法实现 | 第49-52页 |
| 4.4.4 基于内容的推荐算法实现 | 第52-55页 |
| 4.4.5 切换的混合推荐算法实现 | 第55-59页 |
| 4.5 系统运行环境 | 第59-62页 |
| 4.6 系统运行情况 | 第62-64页 |
| 第五章 结束语 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |
