基于分類驅(qū)動(dòng)推薦算法的電影推薦系統(tǒng)的研究與應(yīng)用.pdf

1、推薦系統(tǒng)隨著電子商務(wù)平臺的發(fā)展已經(jīng)得到了越來愈多的重視與成果。從早期的亞馬遜圖書利用人工的方式編寫推薦列表，到現(xiàn)在利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等技術(shù)形成的智能化推薦系統(tǒng)，不斷完善的推薦系統(tǒng)都在帶給用戶具有革命性的用戶體驗(yàn)。隨著推薦系統(tǒng)快速發(fā)展，它也不再被僅僅局限在電子商務(wù)領(lǐng)域，諸如豆瓣讀書、今日頭條、豆瓣電影等等休閑生活類的平臺，也在推薦系統(tǒng)的推動(dòng)下給用戶帶來更為優(yōu)越的用戶體驗(yàn)并取到了更高的用戶滿意度。
　　在電影推薦領(lǐng)域，美國 Net

2、flix通過比賽的形式得出了高效的評分預(yù)測算法，在其自己的在線視頻平臺取得了良好的成果。國內(nèi)目前的在線視頻平臺相對而言還沒有嚴(yán)格的針對用戶個(gè)性化推薦，更多的是尋找相關(guān)聯(lián)的視頻進(jìn)行固定推薦。本文一方面對分類驅(qū)動(dòng)的推薦算法的思想針對電影領(lǐng)域的特性進(jìn)行改進(jìn)，構(gòu)建出一種性能相對較優(yōu)的推薦算法，生成讓用戶滿意的推薦列表；另一方面，針對傳統(tǒng)協(xié)同過濾的推薦算法，利用Topic Diversification過濾算法，生成具有差異性的用戶推薦列表，提升

3、推薦結(jié)果的驚喜度。然后在此基礎(chǔ)上，搭建針對用戶個(gè)性化的電影推薦系統(tǒng)。本文的主要工作有以下幾點(diǎn)：
　　1)利用現(xiàn)有的基于分類驅(qū)動(dòng)的推薦算法，針對電影推薦領(lǐng)域的特殊性，對影片分類結(jié)構(gòu)樹的構(gòu)成進(jìn)行改進(jìn)。改進(jìn)后的算法不再采用單純的利用影片的類型構(gòu)造分類樹描述影片內(nèi)容，而是綜合利用影片的各方面屬性（主要是影片類型、參演藝術(shù)家、語言、上映年份、所獲獎(jiǎng)項(xiàng)、制作國家）構(gòu)造分類樹來描述影片內(nèi)容，樹中的每個(gè)節(jié)點(diǎn)保存和某個(gè)影片屬相相關(guān)的信息，稱為一個(gè)T

4、opic(話題)。
　　2)改進(jìn)計(jì)算用戶相似度的算法。改進(jìn)后的算法根據(jù)影片內(nèi)容的分類結(jié)構(gòu)樹和用戶對影片的評價(jià)情況計(jì)算出用戶的興趣矩陣后，不再采用以往的方式，將影片內(nèi)容的所有相關(guān)Topic作為均等的考慮因素，而是要根據(jù)Topic的不同類型進(jìn)行加權(quán)計(jì)算，以此來計(jì)算用戶的相似度。
　　3)在改進(jìn)的影片內(nèi)容分類結(jié)構(gòu)樹基礎(chǔ)上，利用Topic Diversification(話題差異)算法過濾傳統(tǒng)協(xié)同過濾的推薦結(jié)果，生成更具有差異度的推