智能电视视频推荐系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文组织 | 第14-16页 |
| 第二章 相关理论与技术基础 | 第16-30页 |
| 2.1 推荐系统和相关算法 | 第16-17页 |
| 2.1.1 推荐系统 | 第16页 |
| 2.1.2 相关推荐算法 | 第16-17页 |
| 2.2 文本聚类 | 第17-20页 |
| 2.2.1 中文分词 | 第17-18页 |
| 2.2.2 文本表示 | 第18-19页 |
| 2.2.3 文本聚类算法 | 第19-20页 |
| 2.3 Spark分布式计算平台 | 第20-25页 |
| 2.3.1 Spark简介 | 第20-21页 |
| 2.3.2 弹性分布式数据集（RDD） | 第21-23页 |
| 2.3.3 Spark架构 | 第23-25页 |
| 2.3.3.1 Spark架构 | 第23-24页 |
| 2.3.3.2 Spark运行逻辑 | 第24-25页 |
| 2.4 Mongodb | 第25-27页 |
| 2.4.1 Mongodb简介 | 第25页 |
| 2.4.2 Mongodb的特点 | 第25-26页 |
| 2.4.3 Mongodb分布式应用原理 | 第26-27页 |
| 2.5 Hadoop分布式文件系统（HDFS） | 第27-28页 |
| 2.5.1 HDFS基本概念 | 第27页 |
| 2.5.2 HDFS架构 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 视频推荐系统的总体设计 | 第30-44页 |
| 3.1 需求分析 | 第30-31页 |
| 3.2 视频推荐系统体系结构 | 第31-32页 |
| 3.3 基于时间段划分算法概述 | 第32-34页 |
| 3.4 推荐引擎架构流程概述 | 第34-35页 |
| 3.5 数据采集 | 第35页 |
| 3.5.1 视频内容简介收集 | 第35页 |
| 3.5.2 用户行为数据收集 | 第35页 |
| 3.6 视频资源分类 | 第35-38页 |
| 3.6.1 算法整体流程 | 第36页 |
| 3.6.2 模块功能 | 第36-38页 |
| 3.6.2.1 文本预处理 | 第36-37页 |
| 3.6.2.2 建立向量空间模型 | 第37页 |
| 3.6.2.3 Kmeans聚类迭代 | 第37-38页 |
| 3.7 基于物品的初步推荐流程 | 第38-42页 |
| 3.7.1 训练流程 | 第38-41页 |
| 3.7.1.1 用户行为数据清洗 | 第39-40页 |
| 3.7.1.2 用户兴趣模型 | 第40-41页 |
| 3.7.2 推荐流程 | 第41-42页 |
| 3.8 最终推荐结果计算 | 第42-43页 |
| 3.9 本章小结 | 第43-44页 |
| 第四章 视频推荐系统的实现 | 第44-62页 |
| 4.1 Spark编程模型 | 第44-47页 |
| 4.2 数据采集 | 第47页 |
| 4.2.1 视频内容简介 | 第47页 |
| 4.2.2 用户行为数据 | 第47页 |
| 4.3 视频资源分类模块的实现 | 第47-53页 |
| 4.3.1 文本预处理 | 第47-49页 |
| 4.3.2 建立向量空间模型的实现 | 第49-51页 |
| 4.3.3 Kmeans聚类 | 第51-53页 |
| 4.4 基于物品的初步推荐流程的实现 | 第53-59页 |
| 4.4.1 计算相似度 | 第53-57页 |
| 4.4.2 计算初步推荐值 | 第57-59页 |
| 4.5 最终推荐结果计算 | 第59-61页 |
| 4.5.1 计算用户标签权重 | 第59-60页 |
| 4.5.2 计算推荐值 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 系统测试 | 第62-69页 |
| 5.1 测试方案 | 第62-64页 |
| 5.1.1 测试说明 | 第62页 |
| 5.1.2 测试环境部署 | 第62-64页 |
| 5.2 视频资源分类测试 | 第64-66页 |
| 5.2.1 测试数据 | 第64页 |
| 5.2.2 测试结果及分析 | 第64-66页 |
| 5.3 推荐部分测试 | 第66-68页 |
| 5.3.1 测试数据 | 第66页 |
| 5.3.2 测试结果及分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 未来工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 硕士期间学术成果 | 第75-76页 |
