原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ISSN1009-3044E-mail：xsjl@
ComputerKnowledgeandTechnology电脑知识与技术
ComputerKnowledgeandTechnology电脑知识与技术第17卷第5期(2021年2月)
http：//
Vol.17,No.5February2021Tel：+86-55165690964
基于Spark和微服务架构的电影推荐系统设计与实现
史爱武，李险贵
（武汉纺织大学云计算与大数据研究中心，湖北武汉430200）
摘要：推荐系统广泛应用于人们生活的多个领域，日常生活中常见的有电商、电影、音乐和新闻推荐等。推荐系统根据用
户的历史偏好主动推送相关的信息，节约了用户的时间，极大地提升了用户的体验。随着大数据技术的发展成熟，数据处
理的速度变得更快。该文选取MovieLens电影数据集，并基于大数据分布式处理框架Spark和交替最小二乘法ALS等算法
搭建数据处理平台，然后再结合SpringBoot和SpringCloud等搭建电影后台服务，实现一个基于微服务架构的电影推荐
系统。
关键词：推荐系统；Spark；ALS；微服务架构
中图分类号：TP311.52文献标识码：A
文章编号：1009-3044(2021)05-0078-03开放科学（资源服务）标识码（OSID）：
DesignandImplementationofMovieRecommendationSystemBasedonSparkandMicroserviceArchitecture
SHIAi-wu,LIXian-gui
(CloudComputingandBigDataResearchCenterofWuhanTextileUniversity,Wuhan430200,China)
Abstract:Recommendationsystemiswidelyusedinmanyfieldsofpeopleslife,suchase-commerce,movies,musicandnewsrec⁃
ommendationandsoon.Recommendationsystemactivelypushesrelevantinformationaccordingtotheusershistoricalpreference,
whichsavestheuserstimeandgreatlyimprovestheusersexperience.Withthedevelopmentandmaturityofbigdatatechnology,
thespeedofdataprocessingbecomesfaster.Thispaperselectsmovielensmoviedataset,buildsadataprocessingplatformbased
onbigdatadistributedprocessingframeworkSparkandalternatingleastsquaresalgorithmALS,andthenbuildsmoviebackground
servicecombinedwithSpringBootandSpringCloudtorealizeamovierecommendationsystembasedonmicroservicearchitecture.
Keywords:recommendationsystem;Spark;ALS;microservicearchitecture
1背景似的物品。基于协同过滤的推荐，即根据用户评分矩阵，用户
文档评论（0）