jsp基于SVD的电影推荐系统设计+源代码
时间:2019-04-16 20:54 来源:毕业论文 作者:毕业论文 点击:次
| 摘要：随着互联网技术的发展和人们生活水平的提高，人们对休闲娱乐方式提出更高的要求，如何让用户在有限的时间内获得更多的有效信息是当今社会面临的一大挑战。近年来，个性化推荐服务得到越来越多的关注，它可以根据用户的历史记录和事物本身的特征深度挖掘数据间隐含的关系，从而对用户进行个性化推荐。本文研究了基于SVD的电影推荐系统的研究与实现，主要包括推荐引擎模型训练和系统功能设计与实现两大部分。本系统采用B/S架构，使用JSP开发视图层，使用Struts2技术开发web层。该系统可以对用户进行个性化电影推荐，大大节约了用户查找电影的时间成本。34616 毕业论文关键词：SVD；电影推荐系统；Struts2；时间成本 Research and Implementation of Film Recommendation System based on SVD Abstract：As Internet technology advances and people’s livelihood improves,the general public care more about how to entertain themselves.At this point,how to provide more information for users in limited time has become a big challenge.Recent years have seen more and more attention on the personalized recommendation service as this service helps detect the implicit relations among data according to users’ using records.This paper introduces how to establish a system of recommending good-quality movies based on SVD,including how to train the recommendation model and how to design the function of system.In terms of this system,B/S structure is adopted, JSP development view layer is used,web layer is developed through Struts2 technology.Thanks to this system,user-tailored movies are recommended,which lops off the time of searching for movies. Key words：SVD;film recommendation system;Struts2;time costs 目 录 摘要 1 关键词 1 Abstract 1 Key words 1 1 绪论 1 1.1 研究背景和意义 1 1.2 国内外研究现状 1 1.3 论文结构 2 2 推荐系统基础知识 2 2.1 推荐系统基础理论 2 2.2 SVD算法介绍 3 2.3 推荐系统评价指标 4 3 系统需求分析 5 3.1 功能需求分析 5 3.1.1 用户模块分析 5 3.1.2 用户模块详细功能描述 5 3.1.3 管理员模块分析 7 3.1.4 管理员模块详细功能描述 7 3.2 非功能需求 8 3.3 本章小结 8 4 系统设计 8 4.1 系统总体设计 8 4.2 系统详细设计 9 4.3 系统数据库设计 11 4.3.1 数据库总体设计 11 4.3.2 概念结构设计 12 4.3.3 逻辑结构设计 13 4.4 本章小结 15 5 系统实现与系统测试 15 5.1 系统实现 15 5.1.1 开发及测试环境 15 5.1.2 推荐引擎模块实现 15 5.1.3 系统功能模块实现 18 5.2 系统测试 20 5.2.1 测试数据集 20 5.2.2 推荐引擎测试 20 5.2.3 功能测试 21 6 总结与展望 27 致谢 27 参考文献： 28 基于SVD的电影推荐系统研究与实现 1 绪论 1.1 研究背景和意义 近年来，各种互联网视频网站层出不穷，如聚力、优酷、腾讯视频这些网站提供大量的电影视频供用户观看，用户可以轻松访问电影资源。随着Android技术的兴起和移动终端的普及，互联网用户对电影的自主选择权越来越大，但是互联网用户获取合适的电影信息却越来越困难，主要是因为用户在面对众多选择，未知领域以及过载的信息时，常常感到迷茫和无所适从，在检索有效信息上浪费大量的时间与精力[1]。很多网站为了提高电影资源利用率，纷纷把注意力投向对个性化推荐技术的研究中，正是因为个性化推荐技术可以从过载的信息中挖掘出数据间隐藏的巨大价值。个性化推荐技术的核心是向用户提供个性化推荐服务，实现“千人千面”的推荐，大大节约用户搜索电影的时间。 (责任编辑：qin) |