摘要：随着智能大数据时代的来临，智能推荐系统在各种场景的应用越来越普遍。本毕业设计提出了一种在大数据环境下结合隐语义模型，根据用户自定义的喜好数据，训练出特制的推荐系统，并实现为用户推荐其个性化的推荐系统。在本系统中在实现了传统的基于热门和类别的推荐基础上，用户只需要选择其相应喜欢类型的电影，系统首先自动推荐相对应的电影，然后用户观影结束后打分时，系统将结合隐语义模型，对用户的评分内容和行为进行实时分析，重新定义推荐系统设置，最后该推荐系统系统会根据内容相似度对于用户推荐一个基于内容的推荐。本次设计采用了Java与Scala两种语言，运用了SpringBoot与Spark两种框架，使用了隐语义模型(Latent Factor Model)推荐算法，基于内容的推荐算法(Offline recommendation)。并且使用了各种中间件为数据的传输，过滤，处理，保存并且返回给用户。实验表明，该系统能较好的实现基于用户特性的个性化推荐系统配置。 

关键字： 推荐系统，算法，Java，Scala，Spring，Spark

 

目 录

摘 要

Abstract

1.论绪-1

1.1研究背景-1

1.2系统目标-1

2.可行性研究-2

2.1技术可行性-2

2.2经济可行性-2

2.3维护可行性-3

3.需求分析-3

3.1功能需求-3

3.2性能需求分析-3

3.3算法分析-4

3.3.1.基于内容的推荐算法-4

3.3.2基于隐语义模型的推荐算法-5

4.相关技术与设计-9

4.1系统采用框架-9

4.2系统中间组件选择-10

4.3数据库选择-10

5.系统总体设计-11

5.1系统功能模块-11

5.2系统架构设计-11

5.3运行环境-12

6.系统详细设计-13

6.1数据库设计-13

6.2后端设计-13

7.系统实现效果-23

8.总结与展望-26

8.1总结-26

8.2展望-26

附页：-

参考文献-27