摘要
各种主流的音乐平台都为用户提供了的大量的音乐，让他们时刻都能沉浸在音乐的海洋之中。然而，过多的音乐往往使用户眼花缭乱，很难发现他们真正所需要的。一套优秀的推荐系统，可以很好地解决这个问题，既能帮助用户找到自己喜欢的歌曲，又能提高用户对App的粘性，从而为平台方带来更多的流量和收益。
本系统的设计包括了后台管理系统、音乐推荐系统以及可视化系统。利用Python进行数据采集与离线分析，利用Hadoop的Map Reduce计算框架实现基于项目协同过滤算法，利用Django框架设计网页界面和后台管理界面。该音乐推荐系统使用了HDFS以及MySQL数据库，HDFS主要用于存储利用爬虫获取的海量的音乐数据，经过数据处理后，再通过Map Reduce计算框架进行计算，实现推荐算法后，将推荐结果保存在MySQL数据库中，以便于在前端页面展示中进行调用。
关键词：音乐推荐系统；大数据；协同过滤
目录
第1章绪论1
1.1研究背景1
1.2选题目的和意义1
1.3本文的研究内容2
第2章系统概述与技术简介3
2.1系统开发环境3
2.2系统运行环境3
2.3技术简介3
2.4.1selenium简介3
2.4.2Hadoop简介3
2.4.3MySQL简介4
2.4.4Django简介4
2.4本章小结4
第3章可行性研究5
3.1技术可行性5
3.2经济可行性5
3.3社会可行性5
3.4本章小结6
第4章需求分析7
4.1功能性需求7
4.2非功能性需求7
4.3本章小结8
第5章概要设计9
5.1设计目标9
5.2设计原则9
5.3功能模块设计9
5.3.1游客登录相关功能9
5.3.2用户登录相关功能9
5.3.3管理员登录相关功能10
5.4总体架构设计11
第6章数据库设计13
6.1数据库设计原则13
6.2表设计13
6.3E-R图设计13
6.4具体表信息设计16
第7章详细设计18
7.1数据获取18
7.1.1数据爬取18
7.1.2数据存储19
7.2Hadoop伪分布式环境搭建19
7.2.1虚拟机配置20
7.2.2Linux配置20
7.2.3Hadoop配置20
7.3推荐算法设计22
7.4前台页面部分23
7.4.1系统主页面23
7.4.2注册登录页面23
7.4.3音乐查询页面25
7.4.4热门音乐推荐26
7.4.5歌曲播放26
7.4.6个性化音乐推荐27
7.5后台管理部分28
7.5.1后台系统界面28
7.5.2管理员管理操作28
第8章系统测试30
8.1测试目的30
8.2测试方法30
8.3测试结果30
8.3.1用户注册测试30
8.3.2用户登录测试31
8.3.3管理员增加歌曲信息测试33
8.4测试结论34
结论35
参考文献36
致谢37
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、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投稿，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。
原创文章，作者：打字小能手，如若转载，请注明出处：https://www.447766.cn/chachong/201723.html,
