从全局角度出发打造你系统把控.pptxVIP

从全局的角度出发打造你的系统

内容推荐、观看记录：通过记录观看记录，获取视频内容，通过推荐公式对用户进行个性化内容推荐系统全文搜索：搜索引擎ElasticSearch、可视化Kibana、SpringBoot整合ElasticSearch实现全文搜索系统全局模块开发概要弹幕遮罩：处理视频生成人像黑白剪影，实现遮挡弹幕效果

如果我们可以将对象按对象的方式来存储，这样我们就能更加专注于使用数据，重新利用对象的灵活性。传统上，我们以行和列的形式存储数据到关系型数据库中。但是这种存储形式在存储复杂问题的时候会很不灵活。ElasticSearchJSON是一种以人可读的文本表示对象的方法。它已经变成NoSQL世界交换数据的事实标准。

Elasticsearch也是使用Java编写的，建立在一个全文搜索引擎库ApacheLucene基础之上，Lucene本身非常复杂ElasticSearch是一个分布式、可扩展、实时的搜索与数据分析引擎ElasticSearch为了使检索变得简单，ElasticSearch提供了一套简单一致的RESTfulAPI

面向文档：意味着存储的是整个对象或文档，而不是类似于Mysql的行列数据特点：面向文档、JSONElasticSearchJSON：使用JSON作为文档序列化格式，简单简洁且易于阅读

本项目使用Elasticsearch+Kibana的方式实现搜索引擎数据可视化解决方案Kibana是一个免费且开放的用户界面，它可以对Elasticsearch的数据进行视觉探索和实时分析Kibana

播放量计数规则：同一个用户一天1次，游客一天1次（用户退出登录后观看也参与计算播放量）观看记录延伸的统计数据：播放量观看记录游客区分规则：操作系统+浏览器+IP

Mahout是一个开源的分布式机器学习算法的算法库，它是一个基于Java实现的可扩展的、高效的推荐引擎使用协同过滤算法来实现内容推荐，程序开发选用ApacheMahout来进行具体实现内容推荐Mahout常用推荐算法：基于用户的推荐、基于内容的推荐

2、数据降噪与归一化处理：不同偏好维度的数据需要进行数据降噪与归一化处理来形成统一的偏好得分1、收集用户偏好数据，用户的偏好数据可以体现在多种操作行为上，如点赞、收藏、转发、是否购买等推荐算法步骤3、算出相似物品或者用户：基于用户的推荐、基于内容的推荐

本质是基于用户对内容的偏好找到相邻的相似用户，然后将邻居用户喜欢的内容推荐给当前用户核心思想：推荐和此用户相似的用户喜欢的内容基于用户的推荐举个例子：张三爱看恐怖电影、爱情电影，李四爱看喜剧电影、王五爱看爱情电影、恐怖电影、纪录片，那么张三和王五的相似度比较高，所以推荐张三看纪录片

本质是基于用户对内容的偏好找到相似的内容，然后依据用户的历史行为偏好，推荐相似的内容给用户核心思想：推荐和此用户喜欢内容的相似内容给该用户基于物品的推荐举个例子：张三以前买手机，则会把和手机相似度高的其他商品推荐给张三

关键词：截取视频帧、人像分割、图转换、覆盖原理：截取视频帧截图，将截图内容进行人像分割，最后将人体轮廓图转换为黑白剪影图，前端通过黑白剪影图覆盖原视频形成遮挡弹幕的效果弹幕遮罩其中，截取视频我们将使用javacv提供的功能库，人像分割及图形转换我们通过调用百度提供的免费api来实现