本文關(guān)鍵詞：基于云同步的視頻推薦系統(tǒng)的系統(tǒng)實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：如今我們正處于視頻信息過載時期,視頻推薦系統(tǒng)是解決此問題的方法,相比搜索引擎要求用戶有明確的目標并且提供搜索關(guān)鍵字,而視頻推薦系統(tǒng)是應用推薦算法從用戶的歷史行為中挖掘用戶的偏好并為推薦視頻。云同步、視頻推薦系統(tǒng)的研究逐漸成熟并指引著廣大人民積極的嘗試運用網(wǎng)絡的方法與時俱進,同時人們的需求也將越來越急切�；ヂ�(lián)網(wǎng)上視頻資源日益增多,用戶觀看視頻的設備也是各式各樣,尋找所需視頻的難度無疑的大大增加。視頻推薦系統(tǒng)體現(xiàn)出用戶對此服務的需求,由于目前的視頻推薦技術(shù)的局限性,分布式推薦系統(tǒng)技術(shù)沒有很好的應用。所以我們要充分發(fā)揮分布式系統(tǒng)的能夠根據(jù)用戶的觀看記錄來推薦用戶感興趣的視頻列表。為提高大數(shù)據(jù)的處理能力,采用云同步技術(shù)進行支持并提供了以分布式開發(fā)的Hadoop框架技術(shù)為基礎來進行推薦。本文在總結(jié)當前國內(nèi)外視頻推薦系統(tǒng)的理論研究和應用現(xiàn)狀的基礎上,從用戶信息收集及用戶建模、混合推薦系統(tǒng)的優(yōu)勢、視頻推薦系統(tǒng)的設計和實現(xiàn)四個方面展開進行了具體的評述,并探究了其中的有關(guān)關(guān)鍵技術(shù),采用了基于mahout的Hadoop技術(shù)進行搭建的推薦系統(tǒng)平臺。具體完成研究工作如下:(1)分析了視頻推薦系統(tǒng)的需求,確定了推薦系統(tǒng)的數(shù)據(jù)模型等工作。(2)分析了傳統(tǒng)的推薦算法,對傳統(tǒng)推薦算法進行改進,運用用戶在不同設備下不同時間段的內(nèi)容偏好、屬性時長等特征進行混合的加權(quán)推薦算法。(3)設計了視頻推薦系統(tǒng)的各個模塊,形成基于云同步的視頻推薦系統(tǒng)架構(gòu)。(4)用eclipse開發(fā)工具,推薦模型實現(xiàn)了視頻推薦系統(tǒng),并進行了基本功能點、瀏覽器兼容性、可擴展性、性能測試,驗證了視頻推薦系統(tǒng)的準確性和可用性。目前視頻推薦系統(tǒng)已經(jīng)上線運行,使用云同步搜集用戶的所有觀看記錄來考慮如何應用不同推薦器準確的捕捉用戶不同時間段在不同設備上的視頻偏好,并對用戶進行主動的視頻推薦。最后討論視頻推薦系統(tǒng)的未來以及需要改進的方向。
【關(guān)鍵詞】：云同步 視頻推薦 協(xié)同過濾 Hadoop 混合推薦算法
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 上海交通大學碩士學位論文答辯決議書5-6
• 摘要6-7
• ABSTRACT7-11
• 1 緒論11-15
• 1.1 課題研究背景11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-13
• 1.3 論文研究的目標及主要內(nèi)容13
• 1.4 論文的組織結(jié)構(gòu)13-15
• 2 視頻推薦系統(tǒng)相關(guān)技術(shù)15-22
• 2.1 Hadoop分布式平臺15
• 2.2 Apach Mahout15-16
• 2.3 推薦算法技術(shù)16-19
• 2.3.1 基于內(nèi)容的視頻推薦16-17
• 2.3.2 基于關(guān)聯(lián)規(guī)則的視頻推薦17-18
• 2.3.3 基于協(xié)同過濾的視頻推薦技術(shù)18-19
• 2.3.4 混合的視頻推薦機制19
• 2.4 云同步技術(shù)19-21
• 2.5 本章小結(jié)21-22
• 3 視頻推薦系統(tǒng)的數(shù)學模型和算法設計22-31
• 3.1 視頻推薦引擎一般模型22
• 3.2 推薦系統(tǒng)的業(yè)務分析22-23
• 3.3 推薦算法詳細設計23-30
• 3.3.1 過濾邏輯27-28
• 3.3.2 在線推薦邏輯28-30
• 3.4 本章小節(jié)30-31
• 4 視頻推薦系統(tǒng)的需求分析31-38
• 4.1 推薦系統(tǒng)功能性需求分析31-36
• 4.1.1 系統(tǒng)用例分析32-33
• 4.1.2 用戶推薦流程圖33-35
• 4.1.3 推薦系統(tǒng)活動圖35
• 4.1.4 推薦系統(tǒng)的交互時序圖35-36
• 4.2 非功能性需求36
• 4.3 本章小結(jié)36-38
• 5 系統(tǒng)設計與實現(xiàn)38-62
• 5.1 推薦模塊設計38-40
• 5.2 主要組成部分40-42
• 5.2.1 推薦系統(tǒng)的包圖40-41
• 5.2.2 推薦系統(tǒng)的類圖41-42
• 5.3 系統(tǒng)數(shù)據(jù)庫邏輯設計42-44
• 5.4 API接口設計44-50
• 5.5 調(diào)用方式50-51
• 5.6 輸入?yún)?shù)51-53
• 5.7 返回參數(shù)53-57
• 5.8 用戶辨別57-59
• 5.9 視頻推薦系統(tǒng)實現(xiàn)環(huán)境59-61
• 5.9.1 集群運行環(huán)境配置59
• 5.9.2 推薦算法的運行時設置59-60
• 5.9.3 其他運行時設置60-61
• 5.10 本章小結(jié)61-62
• 6 視頻推薦系統(tǒng)測試62-75
• 6.1 測試環(huán)境62
• 6.2 系統(tǒng)測試62-74
• 6.2.1 功能測試62-69
• 6.2.2 推薦效果評估測試69-72
• 6.2.3 性能測試72
• 6.2.4 運行實例72-74
• 6.3 本章小結(jié)74-75
• 7 總結(jié)與展望75-77
• 7.1 本文總結(jié)75
• 7.2 推薦系統(tǒng)研究展望75-77
• 參考文獻77-79
• 致謝79-80
• 攻讀學位期間發(fā)表的學術(shù)論文目錄80

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 米可菲;張勇;邢春曉;蔚欣;;面向大數(shù)據(jù)的開源推薦系統(tǒng)分析[J];計算機與數(shù)字工程;2013年10期

2 脫建勇;王嵩;李秀;劉文煌;;精品課共享中的推薦系統(tǒng)框架與實現(xiàn)[J];計算機工程與設計;2006年17期

3 蘇冠賢;張麗霞;林丕源;劉吉平;;生物信息學推薦系統(tǒng)的設計與實現(xiàn)[J];計算機應用研究;2007年05期

4 王改芬;;推薦系統(tǒng)研究綜述[J];軟件導刊;2007年23期

5 葉群來;;營銷與網(wǎng)絡推薦系統(tǒng)[J];電子商務;2007年10期

6 李媚;;個性化網(wǎng)絡學習資源推薦系統(tǒng)研究[J];福建電腦;2008年12期

7 潘冉;姜麗紅;;基于經(jīng)濟學模型的推薦系統(tǒng)的研究[J];計算機應用與軟件;2008年03期

8 劉魯;任曉麗;;推薦系統(tǒng)研究進展及展望[J];信息系統(tǒng)學報;2008年01期

9 劉小燕;陳艷麗;賈宗璞;沈記全;;基于增強學習的旅行計劃推薦系統(tǒng)[J];計算機工程;2010年21期

10 曹畋;;智能推薦系統(tǒng)在知識瀏覽領(lǐng)域的應用[J];硅谷;2011年21期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 張燕;李燕萍;;基于內(nèi)容分析和點擊率記錄的混合音樂推薦系統(tǒng)[A];2009年通信理論與信號處理學術(shù)年會論文集[C];2009年

2 趙欣;寇綱;鄔文帥;盧艷群;;基于時間密集性的推薦系統(tǒng)攻擊檢測[A];第六屆（2011）中國管理學年會論文摘要集[C];2011年

3 張玉連;張波;張敏;;改進的個性化信息推薦系統(tǒng)的設計與實現(xiàn)[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

4 王君;許潔萍;;層次音樂推薦系統(tǒng)的研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

5 潘宇;林鴻飛;楊志豪;;基于用戶聚類的電子商務推薦系統(tǒng)[A];第三屆學生計算語言學研討會論文集[C];2006年

6 尤忠彬;陳越;張英;朱揚勇;;基于Web服務的技術(shù)轉(zhuǎn)移平臺推薦系統(tǒng)研究[A];第二十二屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2005年

7 王國霞;劉賀平;李擎;;二部圖影射及其在推薦系統(tǒng)中的應用[A];第25屆中國控制與決策會議論文集[C];2013年

8 王雪;董愛華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設計[A];2011年全國電子信息技術(shù)與應用學術(shù)會議論文集[C];2011年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 ;大數(shù)據(jù)如何“落地”[N];中國新聞出版報;2014年

2 本報記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計算機世界;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 周魏;推薦系統(tǒng)中基于目標項目分析的托攻擊檢測研究[D];重慶大學;2015年

2 田剛;融合維基知識的情境感知Web服務發(fā)現(xiàn)方法研究[D];武漢大學;2015年

3 胡亮;集成多元信息的推薦系統(tǒng)建模方法的研究[D];上海交通大學;2015年

4 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術(shù)大學;2007年

5 楊東輝;基于情感相似度的社會化推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

6 曹渝昆;基于神經(jīng)網(wǎng)絡和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學;2006年

7 王立才;上下文感知推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];北京郵電大學;2012年

8 劉龍;一個能實現(xiàn)個性化實時路徑推薦服務的推薦系統(tǒng)框架[D];中國科學技術(shù)大學;2014年

9 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學;2009年

10 劉士琛;面向推薦系統(tǒng)的關(guān)鍵問題研究及應用[D];中國科學技術(shù)大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李煒;基于電子商務平臺的保險推薦系統(tǒng)的設計與實現(xiàn)[D];復旦大學;2013年

2 丁志東;長尾信息的個性化推薦中的特征選擇優(yōu)化算法[D];北京交通大學;2016年

3 劉琰;基于社交電商的UGC智能推薦系統(tǒng)設計與實現(xiàn)[D];大連海事大學;2015年

4 藺川;基于LBS移動終端信息推薦系統(tǒng)的研究與實現(xiàn)[D];北京交通大學;2016年

5 盛實旺;個性化的智能飲食推薦系統(tǒng)開發(fā)[D];浙江理工大學;2016年

6 丁陽;基于web用戶體驗的推薦系統(tǒng)設計與實現(xiàn)[D];北京郵電大學;2013年

7 李清明;基于情境感知的就醫(yī)信息推薦系統(tǒng)的設計與實現(xiàn)[D];太原理工大學;2016年

8 王化明;電子商務推薦系統(tǒng)研究[D];杭州師范大學;2016年

9 劉濤;一個面向論壇用戶的個性化閱讀推薦系統(tǒng)研究與實現(xiàn)[D];南京大學;2013年

10 劉順文;基于Hadoop平臺的大學生個性化就業(yè)推薦系統(tǒng)的構(gòu)建與研究[D];東華理工大學;2016年

  本文關(guān)鍵詞：基于云同步的視頻推薦系統(tǒng)的系統(tǒng)實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：308251