本课程论文阐述了spark和spark集成开发环境Intellij IDEA的安装与操作，也详细说明了基于Spark的电影推荐系统的开发流程。推荐引擎是最常用的机器学校应用，我们可以在各大购物网站上看到这方面的应用。基于Spark的电影推荐系统是使用Spark MLlib的ALS推荐算法，对会员电影评分数据和观看记录的数据构建协同过滤式的推荐引擎，对历史数据进行训练创建模型进行针对用户推荐电影和针对电影推荐用户的推荐功能，由此来增加会员观看电影的次数。
2019-12-21 20:13:32
2.53MB
1
本系统在Myeclipse下可以直接运行,选取了原上传代码中的一个算法进行分析运算。
上传文件中有该系统的相关说明。建议大家去Mahout官网查看详细说明。
先前上传的代码是在ANT下运行http://download.csdn.net/source/3358441
电影推荐系统中运用的推荐算法是基于协同过滤算法（Collaborative Filtering Recommendation）。协同过滤是在信息过滤和信息系统中正迅速成为一项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。
2019-12-21 20:13:11
3.42MB
1
大数据项目源代码,电影推荐系统Movie_recommend-master,包括实时推荐和离线推荐
2019-12-21 19:50:03
59.61MB
1
图数据库的电影推荐系统的设计与实现。本 文 提 出 的 算 法对 电 影推 荐 系 统 的 研 宄 具 有 一 定 的 参 考 价 值
2019-12-21 19:40:59
6.6MB
1
博文地址 http://blog.csdn.net/huhui_bj/article/details/8596388
这是这篇博文的工程代码，是MyEclipse的工程文件。下载后解压缩，可以直接导入MyEclipse中运行。
由于原工程开发的时候是在MyEclipse中引用mahout的jar包，所以这个压缩文件并没有相关的jar文件，故运行此项目之前需要做的事请，是需要导入mahout的开发包。
2019-12-21 18:50:16
21KB
1