電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)與移動(dòng)互聯(lián)網(wǎng)迅速普及,網(wǎng)絡(luò)上的電影娛樂信息數(shù)量相當(dāng)龐大,人們對(duì)獲取感興趣的電影娛樂信息的需求越來越大,個(gè)性化的電影推薦系統(tǒng)成為一個(gè)熱門。然而電影信息的表示相當(dāng)復(fù)雜,已有的相似度計(jì)算方法與推薦算法都各有優(yōu)勢(shì),導(dǎo)致單一的相似度計(jì)算方法與推薦算法無法合適地應(yīng)用于電影推薦系統(tǒng)中。大量的電影數(shù)據(jù)的管理運(yùn)營隨著數(shù)據(jù)量的增長也變得越來越復(fù)雜,因此,如何綜合各種算法的優(yōu)勢(shì)給用戶可靠的電影推薦結(jié)果,并保證用戶能訪問到正確的推薦數(shù)據(jù)成為推薦系統(tǒng)設(shè)

2、計(jì)中需要解決的一個(gè)重要問題。
　　系統(tǒng)在推薦模塊中使用了更切合實(shí)際的電影相似度計(jì)算方法,結(jié)合協(xié)同過濾算法與基于內(nèi)容的過濾算法,有效的解決了系統(tǒng)的冷啟動(dòng)問題和推薦的準(zhǔn)確性問題,推薦算法使用集中平均法來預(yù)測(cè)用戶對(duì)電影的評(píng)分,避免了用戶個(gè)人評(píng)分習(xí)慣對(duì)預(yù)測(cè)評(píng)分產(chǎn)生的不利影響。將數(shù)據(jù)集,推薦引擎,評(píng)分預(yù)測(cè)器,相似度計(jì)算器等重要部件高度分離,并提供各種有效的具體實(shí)現(xiàn)算法派生類。在運(yùn)營模塊中將系統(tǒng)分為測(cè)試環(huán)境與正式環(huán)境兩部分,在測(cè)試環(huán)境中進(jìn)行測(cè)