基于本體的電影推薦系統(tǒng).pdf

1、隨著數(shù)字化媒體、計算機網(wǎng)絡技術(shù)的發(fā)展，互聯(lián)網(wǎng)上的信息以爆炸式的增長發(fā)展至今，已經(jīng)出現(xiàn)了“信息過載”問題，面對海量的信息，如何方便、快捷、高效率的尋找所需要的信息是一個熱門的研究問題。當前搜尋信息有分類網(wǎng)站、搜索引擎和推薦系統(tǒng)三種解決方案，但是都處于不斷完善當中。推薦系統(tǒng)相較于前兩種方式是后來才發(fā)展而起，并結(jié)合了人工智能、機器學習等眾多領(lǐng)域。
　　目前，推薦系統(tǒng)的算法主要有協(xié)同過濾算法、基于內(nèi)容的推薦算法、基于圖模型的推薦算法以及混

2、合推薦算法等，這些算法在工業(yè)界已經(jīng)得到了廣泛的應用和推廣，但是卻依然存在著資源內(nèi)容沒有形式化、結(jié)構(gòu)化程度低以及智能化不高等問題，很難吸引用戶長期使用。
　　針對以上問題，本文引用了本體的概念，首先對本體進行了詳細介紹，并根據(jù)本體的特點和優(yōu)勢，對用戶和電影領(lǐng)域分別進行本體化，系統(tǒng)從而可以更好理解用戶和電影，可以更好的應用在推薦系統(tǒng)中，本文所做工作主要如下：
　?。?）引入本體的概念到推薦系統(tǒng)當中，設計并實現(xiàn)了一個基于本體的推薦

3、系統(tǒng)原型，相比較于傳統(tǒng)的個性化推薦系統(tǒng)，本系統(tǒng)的內(nèi)容領(lǐng)域通過對用戶和電影本體化，借助本體，系統(tǒng)可以更加智能化，更好理解用戶行為、進而為用戶作出推薦。
　?。?）相比較于傳統(tǒng)的算法，改變了對關(guān)鍵字或信息的計算，轉(zhuǎn)而對本體進行分析，采用用戶興趣聚類方法首先對用戶興趣進行聚類，然后在此基礎(chǔ)之上來尋找目標用戶的n個鄰居，進而對電影進行預測評分。該方法讓本體中的語義得到了充分的表現(xiàn)，實驗表明該算法可以提高系統(tǒng)的預測評分能力、分類準確能力等評