當(dāng)今互聯(lián)網(wǎng)的迅猛發(fā)展,在各行各業(yè)產(chǎn)生了大量數(shù)據(jù),這些數(shù)據(jù)或顯式或隱式的記錄了用戶的行為以及偏好,利用這些數(shù)據(jù)可以發(fā)現(xiàn)用戶的很多重要信息。近年來(lái),傳統(tǒng)博物館的數(shù)字化、智能化為更好的服務(wù)觀眾提供了條件,博物館可以利用觀眾的行為信息提供個(gè)性化的服務(wù)。因此,充分利用云計(jì)算、大數(shù)據(jù)以及推薦系統(tǒng)幫助觀眾發(fā)現(xiàn)自己可能感興趣的藏品,尋找興趣相似的人,可以為觀眾提供更好的游覽體驗(yàn)。本文針對(duì)推薦算法面臨的冷啟動(dòng)、數(shù)據(jù)稀疏性問(wèn)題,混合使用了基于內(nèi)容的推薦算法以及基于聚類的推薦算法進(jìn)行推薦。本文首先介紹了本課題的研究背景,目前國(guó)內(nèi)外智慧博物館的發(fā)展?fàn)顩r以及推薦系統(tǒng)的國(guó)內(nèi)外研究情況,同時(shí)闡述了個(gè)性化推薦系統(tǒng)相關(guān)的理論基礎(chǔ),對(duì)常用的推薦算法、評(píng)估指標(biāo)、相似度計(jì)算、聚類算法和Hadoop大數(shù)據(jù)平臺(tái)進(jìn)行了說(shuō)明,同時(shí)也分析了它們的優(yōu)缺點(diǎn)。其次本文對(duì)博物館的藏品數(shù)據(jù)和觀眾數(shù)據(jù)進(jìn)行了預(yù)處理操作,得到了三個(gè)主要屬性特征矩陣。然后對(duì)模糊聚類算法的初始聚類中心進(jìn)行了優(yōu)化,并且對(duì)優(yōu)化的算法進(jìn)行了MapReduce并行化,得到了新的MRKPFCM算法,同時(shí)進(jìn)行實(shí)驗(yàn)驗(yàn)證了算法的有效性。之后針對(duì)解決協(xié)同過(guò)濾算法的稀疏性問(wèn)題,將MRKPF... 

【文章頁(yè)數(shù)】：66 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
    1.2 研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第二章 個(gè)性化推薦相關(guān)理論
    2.1 推薦算法
        2.1.1 基于內(nèi)容的推薦
        2.1.2 基于協(xié)同過(guò)濾的推薦
        2.1.3 混合推薦
        2.1.4 推薦系統(tǒng)評(píng)估指標(biāo)
        2.1.5 相似度計(jì)算方式
    2.2 聚類算法
    2.3 Hadoop平臺(tái)
    2.4 本章小結(jié)
第三章 博物館數(shù)據(jù)處理及分析
    3.1 藏品數(shù)據(jù)處理
        3.1.1 藏品去重處理
        3.1.2 數(shù)據(jù)格式統(tǒng)一
    3.2 觀眾數(shù)據(jù)處理
    3.3 藏品關(guān)聯(lián)度計(jì)算
        3.3.1 關(guān)聯(lián)度計(jì)算方式
        3.3.2 藏品關(guān)聯(lián)度計(jì)算
    3.4 本章小結(jié)
第四章 個(gè)性化推薦算法設(shè)計(jì)
    4.1 基于藏品內(nèi)容的推薦算法
    4.2 模糊聚類算法的優(yōu)化
        4.2.1 模糊C均值算法
        4.2.2 改進(jìn)的模糊C均值算法
        4.2.3 實(shí)驗(yàn)結(jié)果分析
    4.3 基于Map Reduce的 KPFCM聚類算法
        4.3.1 Map Reduce原理
        4.3.2 基于Map Reduce的 KPFCM聚類算法
    4.4 基于MRKPFCM的推薦算法
        4.4.1 基于MRKPFCM和觀眾的并行化協(xié)同過(guò)濾推薦算法
        4.4.2 基于MRKPFCM和藏品的并行化協(xié)同過(guò)濾推薦算法
        4.4.3 基于MRKPFCM的混合并行化協(xié)同過(guò)濾推薦算法
    4.5 本章小結(jié)
第五章 系統(tǒng)實(shí)現(xiàn)與結(jié)果分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)集和環(huán)境
        5.1.1 實(shí)驗(yàn)數(shù)據(jù)集
        5.1.2 實(shí)驗(yàn)環(huán)境
    5.2 可視化模塊實(shí)現(xiàn)
    5.3 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄
在讀期間公開(kāi)發(fā)表的論文
致謝



本文編號(hào)：3666719