大数据毕业设计Hadoop+Spark知识图谱电影推荐系统 电影用户画像系统 电影评论情感分析 电影爬虫 电影可视化 电影大数据 电影数据分析 计算机毕业设计 机器学习 深度学习 人工智能

推荐系统经过多年的发展已经在国内有相对较完善的开发设计思路和步骤，基于本次系统设计和实现，需要解决的问题可以分为五层：数据层、算法层、业务层、表现层、用户层。

数据层：如何获取足量的数据同时整合MongoDB、MySQL、Redis和HDFS等多种数据存储系统，以支持系统对不同类型数据的存储和检索；
算法层：如何设计并优化基于用户画像的推荐算法；
业务层：如何设计用户管理、电影管理、推荐管理，用户操作管理等模块；
表现层：作为面向用户的层面，应该考虑的是如何设计用户友好的系统界面，应该用到那些计算机技术；
用户层：为了实现区分和管理不同用户类型，应思考有哪些用户类型，各类型的用户有哪些需求和权限管理。

研究主要内容
该电影推荐系统的设计以用户画像为切入点，通过借助Django框架、VUE框架、爬虫技术、MySQL，MongoDB，Redis数据库、Hadoop和Saprk等相关技术和软件，结合用户模块，电影模块，推荐模块这三种主要模块，包含用户登录注册、修改信息、修改邮箱，电影收藏、电影搜索、电影评论、基于电影类型推荐、基于用户喜欢推荐、基于用户画像推荐等等功能
————————————————