在線電影推薦系統的研究與設計.pdf

1、互聯網已經成為獲取知識和信息的重要途徑，但是在面對互聯網上如此浩瀚的信息資源時，人們在短時間內很難找到對自己有用的那部分信息，推薦系統就是在這樣的背景下應運而生。電影推薦系統使電影愛好者與互聯網信息資源庫建立興趣推薦的聯系，將滿足用戶需求的影片信息便捷直接地展現在其面前，從而有效地解決了信息超載的問題，提高了對信息的使用效率。嚴格意義上的推薦系統主要包括群組推薦和個性化推薦，但是都是在基于核心的推薦算法基礎上實現的。
　　本文的主

2、要工作如下:
　　一、本文首先介紹并分析了基于協同過濾推薦算法中三種最典型且有著相當應用的推薦算法，其算法的本質分別是基于用戶、基于物品、基于物品評分的偏差。詳細分析了它們的算法原理及流程，并指出它們在數據規(guī)模大以及數據稀疏性等方面的局限性。
　　二、針對傳統的離線算法在面對數據稀疏性以及高維數據時，所表現出的冷啟動問題和巨大的時間消耗問題，研究分析兩種適合在線推薦的協同過濾算法:低階近似在線算法(OCF)和概率矩陣分解的雙

3、平均算法(DAOCF)，詳細分析了它們的算法原理及流程，并在此基礎之上提出了基于改進的二階在線協同過濾算法(SOOCF)，定義了改進的RMSE誤差損失函數，并給出了用戶向量和物品向量的更新法則，規(guī)避了傳統的離線算法需要定期從頭去更新學習模型的問題，實現了在線實時更新用戶評分數據。
　　三、本文以均方根誤差RMSE為衡量標準，對比分析傳統的在線推薦算法OCF和DAOCF與本文提出的基于改進的二階在線算法SOOCF的預測準確精度，通過

4、MATLAB實驗仿真平臺，繪制RMSE趨勢曲線圖以及統計表格，驗證了改進后的在線算法在推薦準確率和收斂速率上比傳統的在線推薦算法表現更好。
　　四、文章最后的部分主要是電影推薦系統的設計與實現。設計部分主要包括:系統需求的分析、系統的總體架構設計、系統功能模塊設計以及系統數據庫的設計;實現部分包括:結合Eclipse開發(fā)環(huán)境、SSH開源框架、Apache-Tomcat服務器，實現了用戶注冊以及登錄功能、用戶評分功能、電影推薦等功能