【《基于协同过滤算法的电影系统设计实现研究》14000字（论文）】

基于协同过滤算法的电影推荐系统设计实现研究摘要：在当今的全球新时代，人才稀缺，知识至关重要，人们继续学习的紧迫性加剧了电影摄影信息的发展。在短时间内，用户从海量电影书中找到他们感兴趣的电影变得越来越困难。因此，信息学领域的相关专业人员已经提出并利用数据挖掘技术来开发个性化的电影推荐系统，该系统通过分析电影院用户的历史行为来方便公众。本文将在众多推荐算法中选择协同过滤作为实现电影推荐系统的理论基础，全面介绍其思想，算法实现步骤和系统开发技术等。关键词：电影；推荐系统；协同过滤目录455第一章绪论 190541.1研究背景及意义 1153371.2国内外研究现状 182621.3论文研究的主要内容 2141811.4个文的结构安排 231443第二章相关技术 4219742.1JSP技术 4219792.2数据库MYSQL 5245322.3B/S模式 5113302.4推荐技术概述 6119292.5个章小结 615519第三章协同过滤推荐算法的研究 8121913.1协同过滤的基个思想 8109623.2基于用户的协同过滤 8313113.2.1基于用户协同过滤的思想 8203633.2.2基于用户协同过滤的算法过程 9122753.2.3基于用户协同过滤优缺点分析 11114763.3基于项目的协同过滤 11247243.3.1基于项目协同过滤的思想 11307463.3.2基于项目协同过滤的算法过程 12172563.3.3基于项目协同过滤的优缺点分析 13279773.4基于用户协同过滤与基于项目协同过滤的比较 13184223.5个章小结 1331731第四章电影推荐系统的设计与实现 14279354.1电影推荐系统总体设计 1498924.1.1需求分析 14301224.1.2数据库设计 16281044.2电影推荐系统实现过程 1935974.3系统主要功能模块 20109614.4个章小结 2321886第五章结论 2495985.1个文总结 2432225.2后期展望 24参考文献 25第一章绪论1.1研究背景及意义从14世纪到现在，文学，艺术，科学等领域涌现出许多人才。全世界一些著名人物也众所周知，例如伽利略和居里夫人。其科学技术成就尤为突出，伟大的科学精神代代相传。1946年2月，第一台电子数字计算机在美国诞生，标志着世界朝着计算机化的方向逐步发展，并标志着大数据时代的开始。在20世纪末，互联网上信息的类型和数量发生了巨大变化，以至于大多数用户丢失了。为了解决大多数用户通常无法使用无限资源的问题，计算机科学领域的专业人员在这方面进行了革命性的研究。第一：搜索引擎，它的外观使用户可以通过关键字快速找到所需的信息。第二：推荐系统技术。它的出现不仅为用户节省了从大量信息中检索信息的时间，而且还向用户传达了用户可能具有偏好的内容。推荐算法是推荐系统的理论基础，包括基于阿尔卑斯的推荐算法，基于内容的推荐算法，混合推荐算法，流行推荐算法等。在众多推荐算法中，基于协作过滤的推荐算法是最常见的算法，例如早期的Grouplens（新闻）系统，Movielens（电影）系统，Jster（笑话）系统等，都使用算法。作为经常光顾电影院的电影爱好者，我对大学电影院系统有深刻的了解。为了了解定制电影推荐系统的实现过程并解决用户想要的问题，可以在短时间内从大量的电影记录中搜索感兴趣的电影，消除无畏的工作，并确保电影文件用户信息的安全。本文将实现探索电影推荐系统。

1.2国内外研究现状自20世纪中叶以来，西方国家的科学技术在各个方面都起着领导作用，计算机科学领域也不例外。以推荐系统为例。除了上述新闻，电影和恶作剧推荐系统外，还有YouTube，可以准确计算用户最想观看的视频。该系统不仅可以保证内容的多样性，而且可以保证内容的多样性，采用算法的方法对候选集进行过滤，并通过排序来显示候选集的路径。还有Hulu，在北美非常受欢迎，它与Netflix非常相似，并且它们都是内容提供商。至于电影定制管理推荐系统，最著名的是康奈尔，其定制连接和定制更新特别值得我们研究。尽管国家计算机研究相对较晚，但在全球计算机化的帮助下，我国的计算机发展也进入了一个全新的阶段。例如，淘宝网。推荐系统的后端由四个模块组成：脱机计算，基本数据，推荐系统层和企业应用程序层。它包含的数据和信息是巨大的。每天为用户提供的绝佳机会极大的舒适感。当当网是电影推荐系统领域的用户界面系统。当今的推荐系统涉及各个方面，例如数据挖掘，机器学习和人机交互。无论是视频，电影还是电影推荐系统，为它确定合适的推荐算法都是最关键的，否则它是僵尸系统。如今，出现了许多推荐算法，并且不同的推荐算法具有不同的分支，在协同过滤推荐算法中，可以分为基于内存的算法和基于模型的算法。1.3论文研究的主要内容在该项目的开发中，个人将首先学习基于协作过滤的推荐算法，从而为进一步的工作奠定基础；然后，他们将分析，总结和总结电影系统的需求；第三部分将主要集中于电影。推荐系统的总体设计表明了系统的功能和数据库。第四，在通用功能的基础上，将特定的功能模块进行划分，并将推荐算法参考电影系统，以实现基于协同过滤的电影推荐系统。基于以上描述，本研究的主要内容是：（1）基于用户协同过滤和项目协同过滤的推荐算法（2）电影推荐系统的总体设计（3）基于协同过滤的电影推荐系统的实现过程（4）电影推荐系统的功能模块。1.4个文的结构安排个文的组织结构如下：（1）第一章，将明确的指出论文中所要研究的背景与意义、目前国内外的发展现状以及个文研究的主要内容与结构安排等。（2）第二章，将主要介绍一些可以用到的相关专业技术，如JSP技术，数据库MYSQL，B/S模式，推荐技术等，并且进一步阐述这些技术的准确定义。（3）第三章，将进一步对协同过滤推荐算法的基个思想进行说明，并且对基于用户协同过滤算法的过程，基于项目的协同过滤的过程，以及基于用户协同过滤与基于项目协同过滤等四部分内容进行比较。（4）第四章，将分别列出电影推荐系统的总体设计，需求分析，结构设计，数据库设计，电影推荐系统实现过程，并且对系统主要的功能模块进行分析陈述。（5）第五章，总结自己在此次项目开发过程中的收获以及对后期的展望。在学习扎实的理论基础、掌握项目开发的各个技术、投身于软件制作的整个过程后，个人将按照上述结构对论文进行梳理撰写。第二章相关技术2.1JSP技术在学习jsp技术之前，您必须掌握Java语言的一些命令。Java诞生于1990年代，最初是咖啡的名字，后来被称为Java。Java和c++（面向过程）具有相似性和相似性。Java是一种面向对象的语言。其长期生存的主要原因是它与平台无关。这里的平台是指操作系统和处理器。此外，它还具有几个突出的功能：简单的语言，对多线程的支持，程序和类库的动态维护。如今，许多网络软件设计技术都与Java语言相关，例如：用于编写数据库相关软件的JDBC，用于开发手机应用程序的JavaME，用于开发大型网络应用程序的JavaEE和用于设计Web应用程序的JSP。JSP是JavaServerPage的缩写，它是基于Servlet的，用于有效地开发动态网页。Jsp具有与Java类似的特性：首先，它与平台无关，可以在不同的操作系统上使用。无需针对特定的CPU芯片进行编译。也就是说，在项目开发中，程序代码只能编写一次。它可以在任何地方运行。其次，业务代码分离，用于由jsp开发的项目，使用HTML编写静态页面，使用Java编写动态页面，并将业务代码传递到业务控制层，以实际将业务代码与视图层分离；第三，预编译，当用户第一次从浏览器打开Jsp页面时，服务器将只编译并执行一次代码。要学习JSP，您需要对JSP网页的实现过程有所了解。制作JSP网页的过程可以分为六个步骤。步骤1：客户端可以向服务器发送特定请求。步骤2：服务器收到请求。步骤3：服务器将上载的文件转换为Servlet代码。步骤4：JSP引擎将Servlet代码转换为类文件。步骤5：服务器运行类文件。步骤6：将结果发送给客户端[[]刘乃琦，王冲.JSP应用开发与实践.[]刘乃琦，王冲.JSP应用开发与实践.[M].北京：北京邮电大学出版社，2012.12：25-45.2.2数据库MYSQL要开发电影推荐系统，学习与数据库有关的知识非常重要。在该系统中，用于MySQL的Navicat用于数据库管理，然后我将简要介绍MYSQL。MYSQL是一个开放源代码关系数据库。像百度和谷歌这样的大公司使用它的原因是它具有可移植性。其次，它具有可伸缩性和灵活性，这使得数据库管理员可以方便地将数据库从一个系统运行到另一个操作系统。第三，具有数据保护功能，安全可靠。第四，它具有很大的稳定性，就像在交易引擎中一样；第五，它支持大型数据库；最后，它具有强大的query函数。使用DOS命令操作mysql不会给人直观的效果，因此使用Navicatformysql（通常被认为用于显示表和数据）可以简化数据库管理并减少系统管理。另外，用于mysql的Navicat不仅支持任何版本的MYSql数据库服务器，而且还为用户提供了一些实用的数据库工具，例如数据传输，导入，导出，备份和还原，这些都使用户可以方便地使用。2.3B/S模式在众多数据库管理系统和开发工具中，无论选择哪种软件进行开发，都只有两种操作模式，一种是C/S（客户端/服务器）模式，另一种是B/S（浏览器）/服务器模式）。该系统采用B/S模式的原因是：首先，它易于维护；其次，它易于实现，超文本标记语言可以用于该模式的表层，并且由Java技术开发的Web系统也可以使用任何类型的服务器。第三，方便用户使用。此外，B/S模式允许用户位于Internet上的任何位置。当然，交易有两个方面：B/S模式的缺点是它将对服务器施加更大的压力[[]振宇.Java[]振宇.Java

Web开发从初学到精通[M].北京：电子工业出版社，2010.6:1-10.2.4推荐技术概述建议是找到您喜欢的东西。在现实生活中，推荐技术已应用于许多领域，例如某些消费品（淘宝），消费品内容（youtobe），车载消费系统等。他们的推荐规则全部基于“我的库存”。在某些用户领域，推荐结果还必须随着这些不可控制的因素而变化，从而导致如何准确计算内容以向用户推荐准确内容的问题，并且存在不同的推荐算法和不同的推荐系统。在实践中，我们应该根据具体问题选择尽可能多的推荐算法，并尝试运行更多测试，以确定哪种算法最适合您的用户。对于定制电影系统，个人将使用基于协作过滤的算法作为最终选择。2.5个章小结扎实的理论基础是完成项目开发的前提。熟悉专业的Java知识，理解MySQL数据库和理解B/S模型对于任何系统开发都是有益且无害的。内容的这一部分将介绍各自领域的主要知识。当然，中国文化博大精深。要充分而透彻地学习它们，仅依靠系统研究和开发是远远不够的。在本章的最后，还提供了对不同推荐技术的简要说明，并进一步阐明了系统使用的方法。第三章协同过滤推荐算法的研究3.1协同过滤的基个思想经过多年的发展，推荐技术中的协作过滤已被公众普遍认可。从上面的描述中，我们可以知道它已经存在于生活的所有领域。那么什么是协同过滤？用一句话概括起来，人们分为几组，事物汇集在一起。换句话说，根据用户的兴趣和偏好对其进行进一步划分，从而可以根据他们的偏好来推荐产品。协作过滤算法可以分为两类：基于内存的算法和基于模型的算法；基于内存的算法包括基于用户的协作过滤和基于元素的协作过滤。3.2基于用户的协同过滤3.2.1基于用户协同过滤的思想协作用户筛选的核心含义是：通过对喜欢的产品进行衡量和评分，我们根据不同用户对同一产品的态度来推荐产品。也就是说：假设两个用户X和Y喜欢相似的商品并表现出良好的五星级态度，则他们可以对X和Y归为同一类别，并推荐Y到X喜欢的内容。简单的用户协同过滤思想如图3-1所示。图3-1简化的用户协同过滤思想为了从更复杂的角度进行解释，假设有三个用户X，Y，Z和四个元素1、2、3和4。用户X喜欢元素1和3，用户Z也喜欢项目1和3。用户X和Z估计具有较高的相似度，并且由于X从未使用过项目4，因此可以将用户Z喜欢的项目4推荐给用户X。复杂的用户协同过滤思想如图3-2所示。图3-2复杂的用户协同过滤思想3.2.2基于用户协同过滤的算法过程通过理解上述基本思想，基于用户的协同过滤推荐算法可以分为以下三个阶段：第一阶段是评分矩阵的构建；第二阶段是评分矩阵的构建。第二阶段是找到用户集合，即具有相似兴趣的目标用户的集合；最后一步是在此集合中找到目标用户从未听说过且目标用户喜欢的内容，然后向他们推荐。创建用户-项目评分矩阵应对用户的历史评分数据进行初始化，进而建立评分数据矩阵。其中，R（n,m）的用户—项目评分矩阵表示的含义是，其由n个用户和m个项目构成。下表中Ri，j的含义为第i个用户对第j个物品的评分数值。用户-项目评分矩阵如表3-1所示。表3-1用户—项目评分矩阵Item1...Itemj...ItemmUser1R1,1...R1,j...R1,mUseriRi,1...Ri,j...Ri,mUsernRn,1...Rn,j...Rn,m（2）寻找兴趣相似的用户用户推荐的精准度是直接被计算用户的相似度所影响着得，这主要因为它是协同过滤技术的一个重要阶段。在众多的相似度算法里，个文这里只对余弦相似度，修正余弦相似度以及Pearson相似度三个相似度算法做简单的介绍。首先为余弦相似度。由式(3-1)给出：(3-1)第二个是修正余弦相似度。由式(3-2)给出：(3-2)最后介绍Pearson相似度。由式(3-3)给出：(3-3)（3）推荐物品物品推荐其实就是依据用户的N（i）最近邻居对备选物品的打分情况来估计用户对备选物品的评分，且挑选出可能打分情况最高的前几个信息，当成推荐结果传达给用户。由式(3-4)给出：(3-3)3.2.3基于用户协同过滤优缺点分析我们可以清楚地感觉到，当出现兴趣更明显的内容时，基于用户的协作过滤往往会表现出色，但这也归因于站点结构，内容复杂性和用户数量的不断增加。但是，发现了许多缺点，例如数据不足，可伸缩性和其他问题。有人认为传统的协作过滤无法反馈用户的偏好和其他问题。这些极大地改变了系统的性能，并为用户完成了它。针对该问题的不同方面，专家们还提出了相应的建议，例如可以解决可伸缩性的模糊聚类算法，以及一些适应用户兴趣变化以解决用户偏好变化的算法。3.3基于项目的协同过滤3.3.1基于项目协同过滤的思想基于项目的协作过滤的思想是：计算的不同用户对不同的项目进行评分以获得项目之间的关系。根据项目之间的关系向用户推荐相同的内容。换句话说：假设用户喜欢产品1。根据数据，产品1和产品2非常相似，因此确定用户也可能喜欢产品2，因此向用户推荐产品2。简化的项目协同过滤思想如图3-3所示。图3-3简化的物品协同过滤思想从复杂一点的角度说明：则假设用户X喜欢物品1和3，用户Z也喜欢商品1和3。所以我们推测商品1和3有很大的相似度。当用户Y也喜欢商品1，而用户Y未使用过商品3，且不了解商品3时，那么可自动的将商品3推荐给用户Y。复杂的项目协同过滤思想如图3-4所示。图3-4复杂的项目协同过滤思想3.3.2基于项目协同过滤的算法过程基于元素的协同过滤算法过程与基于用户的协同过滤算法过程相似，可以分为三个阶段：第一阶段是建立用户元素评分矩阵。第二阶段是计算相似度。在基于协同用户过滤的相似度计算中，就是寻找相似用户。在基于项目的相似度计算中，最终会预测未知分数以产生推荐结果。您的数据源是用户项目评分数组，因此两种方法的预处理和数据初始化步骤相同。3.3.3基于项目协同过滤的优缺点分析基于用户和项目的两种协作过滤算法更相似，并且通常根据用户性能预测相似项目的方式，而不是根据元素本身预测相似项目的方式。通过查找商品与商品之间的一致程度，其他内容将与他们喜欢的商品非常相似地传输给目标用户。即，估计具有相同等级的相似项目，并且将具有较高分数的几个相同项目传达给用户。3.4基于用户协同过滤与基于项目协同过滤的比较这两种基于内存的协同过滤算法具有相似性和相似性。它们的相似性基于“用户项目”评分矩阵，以预测项目中最邻近的对象的兴趣，然后达到推荐内容的效果。但是，要找到用户的最接近邻居，基于用户的推荐必须扫描整个在线用户的评分空间，这增加了计算最接近的邻居的复杂性。3.5个章小结协同过滤作为一种经典的推荐算法，具有很多优点，模型通用性强，不需要在相应的数据领域有太多的专业知识，简单的工程实现和良好的效果，这就是其受欢迎的原因。简而言之，协作过滤是关于使用某些具有相同爱好和行为的人的爱好来传达用户喜欢的内容。每个独立用户都可以通过协作为信息提供一定程度的反馈，并保留该信息以帮助其他人选择并发表意见。第四章电影推荐系统的设计与实现4.1电影推荐系统总体设计设计该电影管理及推荐系统的框架主要包括两个部分：登录信息和电影信息的数据管理。除了能对用户信息和电影信息进行维护，还具有基个的添加、修改、删除、查询等操作。总之，该系统即可以满足一般的需求，又拥有与其他管理系统不同的推荐特色功能。4.1.1需求分析（1）可行性分析技术可行性：协同过滤的电影推荐系统开发基于B/S模式,采用JSP技术，许多数据库，如Oracle、SqlServer和MySQL，都采用NavicatforMySQL作为数据库管理系统，这是由于MySQL的开放源码和强大的稳定性。操作可行性：电影软件不仅具有美观的用户操作机制，而且使用方便。通常，用户只需要能够熟练操作电脑，并对本系统的使用做一个简单的了解，就可以快速启动。因此，从运行的角度来看，本系统的开发是可行的。（2）系统功能性需求分析系统的功能可分为以下几个方面用户登录注册界面：用户登录时将进行身份验证。只有注册用户才能登录系统并享有推荐权。如果您未注册就登录，系统会提示您输入注册信息。管理员登录界面：登录后，管理员不仅有权对用户信息进行查询、修改和删除，还可以对电子电影的相关信息进行添加、删除和修改。用户查询界面：用户登录后，可根据查询条件输入相关信息，得到需要查询的电子电影。当显示所有符合条件的电影片名时，单击〖查询明细〗按钮，表示用户已经查询过该电子电影，也可以领取或购买。用户再次登录以显示推荐信息。当查询过电子电影的用户再次登录时，界面会显示与用户之前查询过的电子电影类似的相关推荐信息。系统总体功能如图4-2所示。图4-2系统总体功能（3）系统功能用例图根据个系统可以实现的功能，依据其场景分析，使用StarUML绘制出管理员用例图和用户用例图。后台操作员拥有的权利主要包括对电子电影籍和用户的料理，直接的行为主要包括登录系统和对电影籍进行查询。管理员用例图如图4-3所示。图4-3管理员用例图普通用户参与的活动是对电影操作的功能和系统推荐电影的功能。用户用例图如图4-4所示。图4-4用户用例图4.1.2数据库设计（1）数据概念结构设计—E-R图E－R图（实体关系图）提供了表示实体、属性和关系的方法。实体型：用长方形表示，长方形内写有具体的实体名称。属性：用椭圆表示，与对应实体用直线连接。连接：即用菱形表示，在菱形框中标注联系人名称，通过直线与相关实体连接。系统核心的E-R图如图（2）数据表的创建1）allusers表管理员表allusers的结构如表4-1所示。表4-1allusers表字段名数据类型主键外键是否为空IDint是否UsernameVarchar(50)否PwdVarchar(50)否续表4-1字段名数据类型主键外键是否为空cxVarchar(50)否addtimeSmalldatetime否2）duzhexinxi表用户信息表duzhexinxi的结构如表4-2所示。表4-2duzhexinxi表字段名数据类型主键外键是否为空IDint否duzhebianhaoint是否duzhexingminngVarchar(50)否mimaVarchar(50)否xingbieChar(2)否banjiVarchar(50)否shoujiChar(11)否shenfenzhengVarchar(18)否zhaopianVarchar(100)否beizhuVarchar(100)是addtimesmalldatetime否3）jieyuejilu表借阅记录表jieyuejilu的结构如表4-3所示。表4-3jieyuejilu表字段名数据类型主键外键是否为空IDint否tushubianhaoint是是否tushumingchengVarchar(50)否续表4-1tushuleibieVarchar(50)否chubansheVarchar(100)否zhuangtaiVarchar(10)否jieyuerenint否guihuanqixiandatetime否beizhuVarchar(100)是addtimesmalldatetime否考虑到数据表过多，且篇幅有所限制，在此，就不一一展示。4.2电影推荐系统实现过程开发电影推荐软件的第一步是从用户那里获取输入。所谓的用户信息是用户数据，包括注册，购买和评级数据。在这种情况下，我们可以将评分数据分为显性和隐性得分。直接项目评分是明确的。评分范围是1到5，表示用户喜好并形成用户项目评分表。隐式评分包括通过分析用户过去的态度来收集其他分数。如果用户访问了该产品的详细信息并停留了很长时间，则认为该用户对该产品有积极的意愿。最后，生成推荐结果，并将内容发送给用户。使用来自相似用户的候选项目得分数据来预测目标用户在该项目上的得分情况。此处，公式（3-3）可用于计算目标用户i对项目d的预测而没有分数，并且生成的数据将为用户目标推荐的最高项目（又名Top-N列表）排名。4.3系统主要功能模块个人电影推荐软件的主要功能模块包括用户模块和管理员模块。用户模块主要包括三个模块：热门电影排名推荐、专业电影推荐和个性化电影推荐。管理员模块主要包括三个内容：用户管理、电影管理和通知管理。热门电影推荐：根据所有电影图书的浏览记录，推荐用户观看频率最高的电影排名。专业电影推荐：根据不同用户在不同领域的专业电