浏览记录

   
查看大图

电影、电视剧推荐系统的设计与实现

  • 商品编号:jsp520
  • 货  号:jsp520
  • 品  牌:jgyc
  • 开发语言: jsp
  • 数据库: mysql
  • 论文字数: 7800
  • 编程工具/运行环境: myeclipse
  • 市场价: ¥300.00
  • 销售价: ¥200.00
  • 节省: ¥100.00

以下是介绍(不过多网上展示为了防止查重),如需要完整的请联系客服qq购买.提示:本资料已审核通过,内容严格保密,格式标准,质量保证,软件类的包调试成功. 需要这份设计请添加QQ745816773.团购或代理了解

Ctrl+D收藏此篇
app hook

 

随着互联网和移动互联网的迅速普及,网络上的电影娱乐信息数量相当庞大,人们对获取感兴趣的电影娱乐信息的需求越来越大,一个智能便捷的电影、电视剧推荐系统成了必不可少的工具。然而电影、电视剧的信息的表示相当复杂,已有的相似度计算方法与推荐算法都各有优势,导致单一的相似度计算方法与推荐算法无法合适地应用于电影推荐系统中。大量的电影数据的管理运营随着数据量的增长也变得越来越复杂,因此,如何综合各种算法优势给用户可靠的电影推荐结果,并保证用户能当问到正确的推荐数据成为推荐系统设计中需要解决的一个重要问题。

    系统在推荐模块中使用了更切合实际的电影相似度计算方法,结合协同过滤算法与基于内容的过滤算法,有效的解决了系统的冷启动问题和推荐的准确性问题,推荐算法使用集中平均法来预测用户对电影的评分,避免了用户个人评分习惯对预测平分产生的不利影响。将数据集,推荐引擎,评分预测器,相似度计算器等重要部件高度分离,并提供各种有效的具体实现算法派生类。在运营模块中将系统分为测试环境与正式环境来两部分,在测试环境中进行测试,然后同步到正式环境中,使用新型同步算法与错误检测算法提高系统的准确性与效率。

系统推荐模块的可扩展性非常强,根据具体的数据集可选择适合的评分预测器与相似度计算器,可以使用系统自带的经典算法,也可以自定义推荐算法,使得推荐结果的准确性大大提高。在运营模块中使用数据库依赖同步算法与错误检测算法使得数据的运营准确性与效率大大提高。

关键词:推荐系统;协同过滤;基于邻域推荐;平均集中法

目录
摘 要 I
Abstract II
第一章 绪论 1
1.1 研究背景 1
1.2 国内外发展现状 1
1.3 本文研究内容 2
1.4 本文结构 2
第二章 相关技术介绍 3
2.1 Java 介绍 3
2.2 Hibernate中间件 4
2.3 MySQL 4
2.4 B/S简介 4
第三章 系统的总体设计 5
3.1 系统功能模块设计 5
3.1.1项目规划 5
3.2 系统UML建模分析 5
3.2.1 系统用例图 5
3.2.2 系统时序图 6
3.2.3 系统活动图 7
3.3 数据库设计 8
第四章 电影、电视推荐系统的实现 12
4.1系统功能模块图 12
4.2系统主界面 12
4.3 系统推荐界面 13
4.4 随便看看界面 14
4.5 我的收藏界面 14
第五章 系统测试 21
5.1 代码测试 21
5.2 程序功能测试 21
5.3 性能测试 21
第六章 结论与展望 22
致谢 23
参考文献 24

如果您对本商品有什么问题,请提问咨询!

发表咨询

标题:
*咨询内容:
联系方式: (可以是电话、email、qq等)
*验证码:   看不清楚?换个图片
如果您对本商品有什么评价或经验,欢迎分享!

发表评论

标题:
*评论内容:
联系方式: (可以是电话、email、qq等).
*验证码:   看不清楚?换个图片
<