基于协同过滤推荐算法的电影推荐系统【字数：9734】
目录
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1 绪论 1
1．1 课题研究背景及意义 1
1．2 国内外研究情况 2
1．3 开发平台及应用技术 2
1．3．1 JSP技术介绍 2
1．3．2 开发环境 3
1．3．3 数据集介绍 3
2 算法相关原理 3
2．1 协同过滤算法 3
2．1．1 基于用户的协同过滤算法 4
2．1．2 基于物品的协同过滤算法 5
2．1．3 小结 5
2．2 相似度计算 6
2．2．1 欧式距离 6
2．2．2 余弦相似度 6
2．2．3 皮尔逊相关系数 7
2．2．4 小结 7
3 系统模块设计 8
3．1 需求分析 8
3．1．1 用户 8
3．1．2 管理员 8
3．2 系统功能图 9
3．3 系统用例图 9
3．4 系统数据库设计 10
3．4．1 数据库设计 10
3．4．2 ER图 10
3．4．3 数据库物理设计 12
3．5 系统活动图 14
3．5．1 用户登录 14
3．5．2 推荐电影 14
3．5．3 用户查看评分记录 15
3．5．4 用户查看标签记录 16 *51今日免费论文网|www.jxszl.com +Q: *351916072*
3．5．5 用户评分 16
3．5．6 用户查找电影 17
3．5．7 管理员插入电影 18
3．5．8 管理员查看电影信息 18
3．5．9 管理员搜索电影 19
4 系统开发与实现 20
4．1 核心代码实现 20
4．1．1 基于用户的协同过滤算法 20
4．1．2 基于物品的协同过滤算法 20
4．2 系统功能实现与界面展示 22
4．2．1 用户登录界面 22
4．2．2 首页界面 23
4．2．3 评分记录界面 25
4．2．4 标签记录界面 25
4．2．5 评分界面 26
4．2．6 推荐电影界面 26
4．2．7 查找电影界面 27
4．2．8 管理员界面 27
4．2．9 管理员查看电影信息界面 27
4．2．10 管理员查看标签信息界面 28
4．2．11 管理员插入电影界面 28
4．2．12 管理员搜索电影界面 29
5 总结及展望 30
致谢 30
参考文献 30
基于协同过滤推荐算法的电影推荐系统
引言
1 绪论
1．1 课题研究背景及意义
在这个互联网日益发达的时代，信息化的趋势得到了进一步加强。互联网也成为了用户不可缺少的部分，越来越多的人投入到网络中来获取五花八门的信息，享受着网络带来的便利。不可否认的是，互联网上的信息显示出爆炸式增长，并出现了“信息过载”的问题。当人们面对太多信息时，他们无法快速找到他们想要的信息。目前一些网站虽然可以帮助用户过滤掉一些无用信息，但是仍然没有从用户角度出发提供足够人性化的服务。在这种情况下，推荐系统的出现是必要的。
个性化推荐系统与搜索引擎有许多相似之处，但推荐系统在很大程度上依赖于用户的历史行为数据。因此，一般推荐系统用作子应用程序并存在于不同的网站中; 在因特网上的各种类型的网站中，推荐系统被广泛使用，它为每一位用户提供一个独特的个性化推荐页面，增加网站的浏览量和使用率，吸引更多的用户。[]
个性化推荐系统是过滤信息的重要方式。例如，某个用户没有明确的指定去看特定的某部电影，只是想寻找合自己兴趣的电影；或者是用户并没有明确想购买哪种产品，只想粗略浏览相关产品时，这时候需要推荐系统推荐给用户。[]它会过滤掉不相关的内容并找出用户可能感兴趣的内容并将其推荐给用户。一方面，它为用户节省了大量时间来查找有用的信息；另一方面，它还提高了用户对该系统的信任程度，并改善了用户体验。[]
目前，推荐系统已广泛应用于电子商务、报纸阅读、影视音乐、社交网络等领域，下图展示了推荐系统的主要应用领域。[]
图1 推荐系统主要应用领域
1．2 国内外研究情况
推荐系统在电子商务领域应用最广泛，具有广阔的发展和应用前景。目前，几乎所有大型电子商务系统都取得了一定程度上的成功。例如，作为早期推荐系统的外国公司亚马逊提出了一种协同过滤推荐算法，该算法在海量数据集下能够实现高质量的实时推荐功能。[]目前，推荐算法已经应用于各大主流网站中，比如豆瓣app、淘宝网，以及国外的推特脸书等。推荐系统可以通过用户行为如评分记录，浏览历史等相关信息对其产生推荐。作为中国最大的电子商务公司，阿里巴巴的电子商务网站也加入了一些个性化的建议。通过推荐互动和反馈优化等技术手段，实时提供高质量的各类推荐信息。
1．3 开发平台及应用技术
原文链接：http://www.jxszl.com/jsj/wljs/563968.html
