论文总字数：22064字

摘 要

伴随着社会的发展，获取信息渠道更多成本更低，但与此同时也产生了两个新的问题：信息碎片化和信息过载。因此应当开发一个综合式的智能推荐系统，帮助用户在一个平台即可获取全面的信息，并且在繁多的电影中找到自己感兴趣的内容。

为了实现课题，首先对现有类似的电影资讯和推荐门户网站进行研究，分析其优缺点。然后根据系统需求确定使用MVC三层结构的Web应用，结合Layui框架、JFinal框架、Mahout推荐引擎来实现本系统。爬取来自豆瓣网的电影数据和下载MovieLens的评分数据。

本系统提出了综合式信息综合汇总与智能推荐相结合的构想，解决了传统资讯平台信息片面单一、缺乏智能推荐的用户痛点。系统功能除QQ一键授权登录以外全部实现，能提供全面的信息，在邻居数量为30个时，推荐覆盖率可达约0.380。在推荐系统的考量因素上仍需改进，应当纳入例如用户停留时长、语种偏好等因素。

关键词：电影智能推荐； Mahout机器学习； 协同过滤； MVC框架

Design and implementation of movie information platform with intelligent recommendation function

Abstract

With the development of society, access to information channels is more costly, but at the same time, there are two new problems: information fragmentation and information overload. Therefore, a comprehensive intelligent recommendation system should be developed to help users get comprehensive information in one platform and find content of interest in a wide range of movies.

In order to achieve the project, the existing similar movie information and recommendation portals are studied first, and their advantages and disadvantages are analyzed. Then according to the system requirements, it determines the web application using MVC three-tier structure, and combines Layui framework, JFinal framework, Mahout recommendation engine to implement the system. Crawl movie data from Douban and download Movie Lens ratings.

This system puts forward the idea of combining comprehensive information summary with intelligent recommendation, which solves the pain point of users who are single-sided and lack of intelligent recommendation in traditional information platform.All functions except QQ one-click authorized login can provide comprehensive information, and the recommended coverage is about 0.380 when the number of neighbors is 30.Considerations of the recommendation system still need to be improved, including factors such as length of stay and language preferences.

Keywords: Movie Intelligent Recommendation. Mahout Machine Learning. Collaborative Filtering. MVC Framework

目录

摘要

Abstract

第一章 诸论

1.1 论文工作背景与意义

1.2相关研究现状

1.3 主要工作内容

1.4论文组织结构

第二章 相关技术基础

2.1 网站基础功能技术基础

2.2推荐算法技术基础

2.2.1 推荐算法简介

2.2.2 推荐算法的分类

2.2.3 Mahout推荐算法

2.3 本章小结

第三章 系统需求分析

3.1 系统功能需求分析

3.1.1 系统模块分析

3.1.2 角色用例分析

3.2 系统非功能需求分析

3.3本章小结

第四章 系统设计

4.1 系统总体设计

4.1.1 系统分层结构设计

4.1.2 系统功能模块结构设计

4.1.3 系统总体工作流程设计

4.1.4 系统数据库设计

4.2 系统详细设计

4.2.1 网站首页

4.2.2 登录和注册

4.2.3 管理员页面

4.2.4 智能推荐

4.3 核心算法设计

4.3.1 实现原理

4.3.2 实现步骤

4.3.3 算法优点分析

4.4 本章小结

第五章 系统实现与测试

5.1 系统实现工具与环境

5.1.1 JFinal框架

5.1.2 Layui框架

5.1.3 编程语言

5.1.4 编程工具

5.1.5 系统运行的软硬件环境

5.1.6 代码整体结构

5.2 核心代码分析

5.2.1 基于Mahout的推荐算法

5.2.2 基于JFinal的Model层代码自动生成算法

5.2.3 基于Layui的拖动滑块验证码

5.2.4 图形化评分交互模块

5.3 系统主要运行界面

5.3.1首页

5.3.2 智能推荐页面

5.3.3 电影详情与评分界面

5.3.4 个人中心页面

5.4 系统测试

5.4.1 系统测试环境与工具

5.4.2 系统功能测试

5.4.3 系统非功能测试

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

第一章 诸论

1.1 论文工作背景与意义

伴随着网络硬件设施的普及和互联网行业的发展壮大，如今社会的互联网普及率有了极大的提升^[1]。网络信息已经可以被绝大多数人轻易获取，为人们的生活带来了诸多便利，尤其是让人们获取信息和生产信息的成本大幅下降。

信息作为互联网时代的一种新产品，信息提供与信息消费成为了一个新的产业。人们通过手机、电脑、智能电视等设备对网上的信息进行消费，这种信息消费不止包含对信息产品的消费，同时也包含对信息服务的消费。例如互联网平台为用户提供电影简介、观众评价、购票渠道等信息，用户根据自身需求对这些信息进行搜索、理解、加工，有时候用户本身也是信息的生产者。诸如此类的互联网信息消费不止是一种可有可无的闲暇活动，同时也是信息化时代非常重要的一环 ^[2-3]。

剩余内容已隐藏，请支付后下载全文，论文总字数：22064字