大数据环境下电影个性化推荐系统的研究与实现开题报告

1. 研究目的与意义

在大数据时代,智能推荐系统为我们生活带来了极大的便利,根据海量用户的浏览信息和评分信息为用户提供相对应的功能、产品和服务,使得用户能够更高效地从海量数据中得到自己期望的信息数据。

电影是很多人娱乐生活中不可缺少的一部分,电影推荐也是互联网推荐内容中重要的一种。

本课题将依托此为背景,设计与实现大数据环境下电影个性化推荐系统，通过大数据数据分析和挖掘的相关算法来构建一个智能的个性化电影推荐系统,根据用户喜好等信息为之推荐多个电影作品。

2. 课题关键问题和重难点

课题关键问题：1、用户行为日志数据的采集，数据的传输及数据的提取；2、日志分析的数据存储，数据库的设计；3、数据分析的准确性，推荐粒度的可靠性；4、系统平台的搭建，项目的部署，任务模块的定时调度；课题难点问题：1、数据个性化展示的准确性：系统不断收集用户与网站的交互数据，系统也不断修正对用户的定位，从而让用户体验更加准确的推荐结果。

2、实时推荐的及时性：用户点评了一部电影，其点评的数据影响要能够及时的体现出来，反映出现在用户的品味。

3、合理的数据存储：优秀的数据库设计能够有效减少开发过程中的诸多繁琐事件，并高效的存储数据；

3. 国内外研究现状（文献综述）

调研报告1、电影产业发展 中国影视市场的迅速扩大，使得影视拍摄服务需求旺盛，以影视产业为先导的旅游业市场持续增长。

中国是全世界媒体娱乐增长最快的国家，预计未来几年内将以每年25.2%的速度增长。

随着中国居民生活水平提高、生活观念的转变以及交通行业的发展，影视旅游的人数急剧增长。

4. 研究方案

该系统包含离线推荐和实时推荐体系，综合利用协同过滤算法及基于内容的推荐方法来提供混合推荐；提供从前端应用、后台服务、算法实现、平台部署等多方位的闭环业务功能实现。

1、本系统以浏览器作为客户端，以javaweb技术来编写系统的后台服务。

2、该项目部署在linux上运行，服务器采用tomcat,日志数据的采集使用flume，消息中间件采用的kafka,采用redis和mongodb进行数据的存储，全文检索采用elasticsearch，使用azkaban进行任务的调度计算数据。

5. 工作计划

第1-2周：完成系统的需求、提出具体设计方案，准备好相关软硬件资源。

第3-4周：撰写开题报告（2022年12月30日~2022年1月10日） （1）弄清选题背景与意义国内外相关研究现状 （2）课题关键问题及难点 （3）文献综述 （4）研究方案、技术路线及可行性分析 （5）工作计划（进度安排） 第5-8周（2022年2月17日~3月20日）：分析、设计并实现系统（3月20完成一半工作量） （2022年3月16日~3月20日）撰写中期检查表计划进度进展情况存在的问题及解决方案 第9-11周（2022年3月23~4月10日）：系统实现（后半部分） 第11-13周（2022年4月13~4月27日）：撰写毕业设计论文、进一步完善毕业设计任务，实物成果验收。

第14周（2022年4月27~5月8日） 撰写并修改毕业设计论文 指导老师审阅论文上传论文