隨著社會(huì)的發(fā)展,人們使用互聯(lián)網(wǎng)的時(shí)間也逐漸增加,在使用互聯(lián)網(wǎng)時(shí)會(huì)產(chǎn)生大量的日志信息,同時(shí)人們也更頻繁地在互聯(lián)網(wǎng)上產(chǎn)生內(nèi)容。早期互聯(lián)網(wǎng)上信息主要由主要平臺(tái)產(chǎn)生,且數(shù)量不大,人們使用信息檢索的方式來(lái)獲取想要的信息�；ヂ�(lián)網(wǎng)發(fā)展到現(xiàn)在,人人都是內(nèi)容制造的參與者,在海量的內(nèi)容面前,推薦系統(tǒng)是最好的解決方案。通過(guò)針對(duì)用戶(hù)進(jìn)行內(nèi)容推薦,讓用戶(hù)從頻繁的信息檢索動(dòng)作中抽出身來(lái),更好地迎合互聯(lián)網(wǎng)的UGC（用戶(hù)制造內(nèi)容）環(huán)境。同時(shí)也可以針對(duì)積累的大量日志進(jìn)行分析,獲取有價(jià)值的信息,更好的為用戶(hù)服務(wù),形成良性循環(huán)。廣電集團(tuán)擁有海量用戶(hù),存儲(chǔ)著海量用戶(hù)信息數(shù)據(jù),同時(shí)也產(chǎn)生著大量的日志。而以往廣電的推薦內(nèi)容單一適用面窄,現(xiàn)在需要一個(gè)能分析海量日志信息與用戶(hù)信息的系統(tǒng),對(duì)每個(gè)用戶(hù)進(jìn)行個(gè)性化適配,進(jìn)行內(nèi)容推薦。其目的是快速精準(zhǔn)的挖掘出用戶(hù)的興趣偏好并推薦出相應(yīng)的電視產(chǎn)品,從而達(dá)到系統(tǒng)比用戶(hù)更懂用戶(hù)的效果。系統(tǒng)將關(guān)注點(diǎn)聚焦在在線(xiàn)推薦上面,擬針對(duì)不同的廣電用戶(hù)使用場(chǎng)景進(jìn)行實(shí)時(shí)高效的推薦。由于個(gè)人偏工程化的工作內(nèi)容,系統(tǒng)將從工程化角度進(jìn)行詳述,主要包含了使用大數(shù)據(jù)計(jì)算平臺(tái)和高性能數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)分析,高效分析用戶(hù)和內(nèi)容日志... 

【文章頁(yè)數(shù)】：124 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)的研究現(xiàn)狀
        1.2.2 實(shí)時(shí)分布式流計(jì)算技術(shù)研究現(xiàn)狀
    1.3 項(xiàng)目目標(biāo)和主要工作內(nèi)容
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 相關(guān)技術(shù)分析
    2.1 推薦算法
        2.1.1 基于流行度的推薦
        2.1.2 基于內(nèi)容的推薦
        2.1.3 基于關(guān)聯(lián)規(guī)則的推薦
        2.1.4 基于協(xié)同過(guò)濾的推薦
        2.1.5 混合推薦算法
    2.2 分布式流處理框架SPARK
        2.2.1 Spark基本組件
        2.2.2 Spark運(yùn)行機(jī)制
        2.2.3 Spark計(jì)算模型
    2.3 分布式大數(shù)據(jù)處理平臺(tái)HADOOP
        2.3.1 Hadoop基本組件
        2.3.2 Hadoop運(yùn)行機(jī)制
        2.3.3 Hadoop計(jì)算模型
    2.4 其他相關(guān)技術(shù)
        2.4.1 微服務(wù)一體化解決方案Spring Cloud
        2.4.2 分布式消息處理系統(tǒng)Kafka
        2.4.3 分布式對(duì)象存儲(chǔ)Redis
        2.4.4 HBase
        2.4.5 Elastic Search
        2.4.6 代碼規(guī)范
    2.5 本章小結(jié)
第三章 需求分析
    3.1 需求概述
    3.2 功能需求
        3.2.1 客戶(hù)端模塊需求分析
        3.2.2 服務(wù)端模塊需求分析
    3.3 非功能需求
    3.4 本章小結(jié)
第四章 系統(tǒng)概要設(shè)計(jì)
    4.1 在線(xiàn)推薦引擎
        4.1.1 日志采集模塊
        4.1.2 模型庫(kù)
        4.1.3 算法庫(kù)
        4.1.4 在線(xiàn)分析模塊
        4.1.5 離線(xiàn)分析模塊
    4.2 數(shù)據(jù)接入服務(wù)
    4.3 在線(xiàn)推薦服務(wù)
    4.4 本章小結(jié)
第五章 系統(tǒng)詳細(xì)設(shè)計(jì)
    5.1 數(shù)據(jù)庫(kù)設(shè)計(jì)
        5.1.1 HBase和 HDFS
        5.1.2 Redis
    5.2 在線(xiàn)推薦引擎
        5.2.1 日志采集模塊
        5.2.2 模型庫(kù)
        5.2.3 算法庫(kù)
        5.2.4 在線(xiàn)分析模塊
        5.2.5 離線(xiàn)分析模塊
    5.3 數(shù)據(jù)接入服務(wù)
    5.4 在線(xiàn)推薦服務(wù)
    5.5 本章小結(jié)
第六章 系統(tǒng)實(shí)現(xiàn)
    6.1 統(tǒng)一接口設(shè)計(jì)
        6.1.1 Restful風(fēng)格接口
        6.1.2 各模塊間調(diào)用接口設(shè)計(jì)
    6.2 在線(xiàn)推薦引擎
        6.2.1 日志采集模塊
        6.2.2 模型庫(kù)
        6.2.3 算法庫(kù)
        6.2.4 在線(xiàn)分析模塊
        6.2.5 離線(xiàn)分析模塊
    6.3 數(shù)據(jù)接入服務(wù)
    6.4 在線(xiàn)推薦服務(wù)
    6.5 本章小結(jié)
第七章 系統(tǒng)效果評(píng)估與測(cè)試
    7.1 實(shí)驗(yàn)環(huán)境
        7.1.1 硬件環(huán)境
        7.1.2 軟件環(huán)境
        7.1.3 部署過(guò)程
    7.2 功能測(cè)試
    7.3 性能測(cè)試
        7.3.1 測(cè)試業(yè)務(wù)場(chǎng)景
        7.3.2 測(cè)試策略
        7.3.3 測(cè)試結(jié)果
    7.4 推薦效果測(cè)試
        7.4.1 實(shí)驗(yàn)數(shù)據(jù)選取
        7.4.2 評(píng)估指標(biāo)
        7.4.3 實(shí)驗(yàn)內(nèi)容
    7.5 系統(tǒng)可視化界面展示
    7.6 本章小結(jié)
第八章 總結(jié)和展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]談?wù)劇巴扑]系統(tǒng)”和“搜索引擎”[J]. 陳運(yùn)文.  計(jì)算機(jī)與網(wǎng)絡(luò). 2017(24)
[2]基于Spark的大數(shù)據(jù)計(jì)算模型[J]. 王磊,時(shí)亞文.  電腦知識(shí)與技術(shù). 2016(20)
[3]大數(shù)據(jù)流式計(jì)算系統(tǒng)研究綜述[J]. 李圣,黃永忠,陳海勇.  信息工程大學(xué)學(xué)報(bào). 2016(01)
[4]基于內(nèi)容的推薦與協(xié)同過(guò)濾融合的新聞推薦方法[J]. 楊武,唐瑞,盧玲.  計(jì)算機(jī)應(yīng)用. 2016(02)
[5]廣電智能推薦系統(tǒng)的應(yīng)用研究[J]. 陳都,苗方,金立標(biāo),吳敏.  電視技術(shù). 2016(01)
[6]基于用戶(hù)興趣和雙重聚類(lèi)融合的協(xié)同過(guò)濾算法的優(yōu)化研究[J]. 翟爍.  無(wú)線(xiàn)互聯(lián)科技. 2015(05)
[7]基于領(lǐng)域驅(qū)動(dòng)設(shè)計(jì)的應(yīng)用系統(tǒng)模型[J]. 李引,袁峰.  計(jì)算機(jī)工程與應(yīng)用. 2013(16)
[8]IPTV與OTT TV業(yè)務(wù)的發(fā)展現(xiàn)狀及趨勢(shì)[J]. 蔣力,鄧竹祥.  電信科學(xué). 2013(04)
[9]基于用戶(hù)滿(mǎn)意度的電子商務(wù)個(gè)性化推薦評(píng)價(jià)研究[J]. 劉蓓琳.  中國(guó)物流與采購(gòu). 2012(14)
[10]推薦系統(tǒng)中的冷啟動(dòng)問(wèn)題研究綜述[J]. 孫冬婷,何濤,張福海.  計(jì)算機(jī)與現(xiàn)代化. 2012(05)

碩士論文
[1]軟件壓力測(cè)試及測(cè)試工具的研究與實(shí)現(xiàn)[D]. 肖俊.北京交通大學(xué) 2009



本文編號(hào)：3685697