🎨 大数据过滤推荐引擎
项目名称
EasyLooking（电影轻松看）
简介
本项目是基于大数据技术，对用户所点击的电影类型进行分析，通过所得数据帮助用户自动推荐符合用户喜好的电影类型，系统包括电影推荐引擎和 电影网站（前后端） 两大部分——EasyLooking。
本项目是来自于在2018.3~2018.4期间在东南大学软件学院研究生的实训。
该项目使用Spark通过已经获得到的所有会员电影的评分数据集，来推断每个会员的喜好，并向会员推荐合适的电影，同时也可以将电影推荐给感兴趣的用户，达到个性化的推荐效果，以此来达到增加会员，提高营业的收入的目的。
技术栈
- Java,Scala
- Hadoop,Spark ,MySQL
- SpringMVC,Spring,MyBatis
项目整体架构
一、⚡ 电影推荐引擎
开发环境：
- IntelliJ IDEA
- Maven
技术栈：
- Spark+SparkStreaming
- Scala
架构：
二、🔨 电影网站
开发环境：
- IntelliJ IDEA
- Maven
技术栈：
- SpringMVC+Spring+MyBatis
- MySQL
架构：
🍎 效果展示
登陆界面：
主页面：
📝 分析
离线推荐
离线推荐部分采用协同过滤算法(ALS),根据用户的喜好推荐和根据电影的相似度推荐两个部分。
实时推荐
利用SparkStreaming+Kafka的架构用流计算的方式来分析数据，其中分析的方法是：
- 给待评分电影设置的基础优先级
- 高分电影的奖励因子
- 低分电影的惩罚因子
评估
利用RMES（均方根误差）的方式来评估推荐的结果。其中包含以下几个影响因子：
-
秩
-
迭代次数
-
正则系数
