基于云同步的视频推荐系统的系统实现

摘要

如今我们正处于视频信息过载时期，视频推荐系统是解决此问题的方法，相比搜索引擎要求用户有明确的目标并且提供搜索关键字，而视频推荐系统是应用推荐算法从用户的历史行为中挖掘用户的偏好并为推荐视频。云同步、视频推荐系统的研究逐渐成熟并指引着广大人民积极的尝试运用网络的方法与时俱进，同时人们的需求也将越来越急切。互联网上视频资源日益增多，用户观看视频的设备也是各式各样，寻找所需视频的难度无疑的大大增加。视频推荐系统体现出用户对此服务的需求，由于目前的视频推荐技术的局限性，分布式推荐系统技术没有很好的应用。所以我们要充分发挥分布式系统的能够根据用户的观看记录来推荐用户感兴趣的视频列表。
　　为提高大数据的处理能力，采用云同步技术进行支持并提供了以分布式开发的Hadoop框架技术为基础来进行推荐。本文在总结当前国内外视频推荐系统的理论研究和应用现状的基础上，从用户信息收集及用户建模、混合推荐系统的优势、视频推荐系统的设计和实现四个方面展开进行了具体的评述，并探究了其中的有关关键技术，采用了基于mahout的Hadoop技术进行搭建的推荐系统平台。具体完成研究工作如下：
　　(1)分析了视频推荐系统的需求，确定了推荐系统的数据模型等工作。
　　(2)分析了传统的推荐算法，对传统推荐算法进行改进，运用用户在不同设备下不同时间段的内容偏好、属性时长等特征进行混合的加权推荐算法。
　　(3)设计了视频推荐系统的各个模块，形成基于云同步的视频推荐系统架构。
　　(4)用eclipse开发工具，推荐模型实现了视频推荐系统，并进行了基本功能点、浏览器兼容性、可扩展性、性能测试，验证了视频推荐系统的准确性和可用性。
　　目前视频推荐系统已经上线运行，使用云同步搜集用户的所有观看记录来考虑如何应用不同推荐器准确的捕捉用户不同时间段在不同设备上的视频偏好，并对用户进行主动的视频推荐。最后讨论视频推荐系统的未来以及需要改进的方向。

目录

封面

声明

答辩决议书

中文摘要

英文摘要

目录

1绪论

1.1课题研究背景

1.2国内外研究现状

1.3论文研究的目标及主要内容

1.4论文的组织结构

2视频推荐系统相关技术

2.1Hadoop分布式平台

2.2Apach Mahout

2.3推荐算法技术

2.4云同步技术

2.5本章小结

3视频推荐系统的数学模型和算法设计

3.1视频推荐引擎一般模型

3.2推荐系统的业务分析

3.3 推荐算法详细设计

3.4本章小节

4视频推荐系统的需求分析

4.1推荐系统功能性需求分析

4.2非功能性需求

4.3 本章小结

5系统设计与实现

5.1 推荐模块设计

5.2主要组成部分

5.3 系统数据库逻辑设计

5.4 API接口设计

5.5调用方式

5.6输入参数

5.7返回参数

5.8用户辨别

5.9视频推荐系统实现环境

5.10本章小结

6视频推荐系统测试

6.1测试环境

6.2系统测试

6.3本章小结

7总结与展望

7.1本文总结

7.2推荐系统研究展望

参考文献

致谢

攻读学位期间发表的学术论文目录