| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国外电影推荐系统的发展现状 | 第12-15页 |
| 1.4 国内电影推荐系统的发展现状 | 第15-17页 |
| 1.5 本文结构 | 第17-18页 |
| 1.6 本章小结 | 第18-20页 |
| 第2章 基于Spark平台的离线计算系统设计 | 第20-32页 |
| 2.1 Spark与 Hadoop简介 | 第20-21页 |
| 2.2 Spark与 Hadoop对比 | 第21-22页 |
| 2.3 协同过滤技术 | 第22-24页 |
| 2.4 离线部分具体实现 | 第24-26页 |
| 2.5 推荐算法冷启动问题 | 第26-28页 |
| 2.5.1 k-means算法简介 | 第27页 |
| 2.5.2 冷启动详细解决方法 | 第27-28页 |
| 2.6 程序测试 | 第28-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于Spark Streaming的在线计算系统设计 | 第32-42页 |
| 3.1 Spark Streaming技术 | 第33-34页 |
| 3.2 在线计算主要模块系统设计 | 第34-38页 |
| 3.2.1 构建在线评分数据源 | 第34-36页 |
| 3.2.2 Spark Streaming实时接收模块 | 第36-38页 |
| 3.3 程序测试 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 电影推荐系统WEB端设计 | 第42-54页 |
| 4.1 java简介 | 第42-43页 |
| 4.2 Redis简介和使用 | 第43-45页 |
| 4.3 MySQL数据库设计 | 第45-47页 |
| 4.4 电影推荐的Web系统详细设计 | 第47-49页 |
| 4.4.1 用户操作浏览模块具体实现 | 第47-49页 |
| 4.4.2 管理员管理模块具体实现 | 第49页 |
| 4.5 测序测试 | 第49-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 实时电影推荐系统整体的测试与实验结果分析 | 第54-58页 |
| 5.1 平台测试目标 | 第54页 |
| 5.2 系统测试环境 | 第54页 |
| 5.3 测试用例 | 第54-56页 |
| 5.4 测试结果分析 | 第56-57页 |
| 5.6 本文小结 | 第57-58页 |
| 第6章 总结和展望 | 第58-60页 |
| 6.1 论文总结 | 第58页 |
| 6.2 论文展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士期间已发表的论文 | 第64-66页 |
| 致谢 | 第66页 |