基于Hadoop的个性化视频推荐系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要工作和组织结构 | 第11-13页 |
| 第2章 相关技术 | 第13-25页 |
| 2.1 分布式计算 | 第13页 |
| 2.1.1 分布式计算的定义 | 第13页 |
| 2.1.2 分布式计算的优点 | 第13页 |
| 2.2 Hadoop平台架构分析 | 第13-19页 |
| 2.2.1 Hadoop架构分析 | 第13-15页 |
| 2.2.2 HDFS架构分析 | 第15-16页 |
| 2.2.3 MapReduce架构分析 | 第16-18页 |
| 2.2.4 Hive数据管理 | 第18-19页 |
| 2.3 常见推荐算法 | 第19-23页 |
| 2.3.1 基于内容的推荐算法 | 第19-20页 |
| 2.3.2 基于用户的协同过滤推荐算法 | 第20-21页 |
| 2.3.3 基于项目的协同过滤推荐算法 | 第21-23页 |
| 2.3.4 混合推荐算法 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 需求分析与架构设计 | 第25-29页 |
| 3.1 需求分析 | 第25-26页 |
| 3.1.1 概述 | 第25页 |
| 3.1.2 功能需求分析 | 第25-26页 |
| 3.1.3 性能需求分析 | 第26页 |
| 3.2 系统架构与设计 | 第26-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 视频特征向量的设计与实现 | 第29-45页 |
| 4.1 视频特征向量的设计 | 第29-32页 |
| 4.1.1 基础数据说明 | 第29页 |
| 4.1.2 视频特征向量的设计 | 第29-32页 |
| 4.2 视频特征向量的实现 | 第32-43页 |
| 4.2.1 视频数据预处理 | 第32-39页 |
| 4.2.2 视频名称文本分析 | 第39-40页 |
| 4.2.3 视频特征向量的构建 | 第40-42页 |
| 4.2.4 视频数据监控的实现 | 第42-43页 |
| 4.3 本章小结 | 第43-45页 |
| 第5章 用户兴趣模型和个性化推荐的设计与实现 | 第45-61页 |
| 5.1 用户兴趣模型的设计与实现 | 第45-51页 |
| 5.1.1 用户兴趣模型的设计 | 第45-47页 |
| 5.1.2 用户兴趣模型的实现 | 第47-51页 |
| 5.2 个性化推荐的设计与实现 | 第51-59页 |
| 5.2.1 推荐算法的选择 | 第51页 |
| 5.2.2 个性化推荐的设计 | 第51-55页 |
| 5.2.3 个性化推荐的实现 | 第55-59页 |
| 5.3 本章小结 | 第59-61页 |
| 第6章 性能对比与分析 | 第61-69页 |
| 6.1 指标介绍 | 第61-62页 |
| 6.2 性能对比与分析 | 第62-67页 |
| 6.3 本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间的学术成果 | 第75-77页 |
| 致谢 | 第77页 |
