基于机器学习的电影推荐系统设计与实现.docx

摘要

随着互联网的出现和普及，网络上充斥着大量的信息，用户在互联网上可选择的余地大大增加，这也造成了用户在选择时很难获得自己真正想要的那部分信息，那些原本有用的大量信息却成了用户获取自身所关心的信息的阻碍，造成对信息的使用率反而降

低了。

在这种情况下，个性化推荐系统应运而生，系统根据用户的个性化行为信息，针对用户的行为信息的差异进行差别化推荐。和传统搜索引擎不同的是，个性化推荐系统能

够自动挖掘用户的特征，而无需用户输入任何额外信息。

本文以电影信息为基础，采用机器学习的方式实现了一个个性化电影推荐系统。本系统可以根据用户之前所看过的电影以及对电影所评价的分数，给用户推荐用户可能会感兴趣但还没有看过的电影。本系统实现了基于用户和基于物品的协同过滤算法，并借鉴了亚马逊、豆瓣的推荐算法，增加相关特征，改进原有算法，提高推荐的准确性。并通过用户标签信息、时间上下文信息、地点上下文信息社交网络信息，将理论和实践紧

密结合，提高推荐算法在真实网络环境下的易用性。

关键词

推荐系统；机器学习；协同过滤算法；

Abstract

ThenetworkisinundatedwithalotofinformationastheemergenceandpopularizationofInternet,whichhasgreatlyenlargedtheselectablescopeofinformationintheinternetforusers,andalsocausedthedifficultyofuserstochoosetheinformationtheyreallywant.Hence,theseoriginallyusefulinformationoflargequantityhinderusersfromgainingtheir

concernedinformation,decreasingtheutilizationrateofinformationtosomeextent.

Underthecircumstances,PersonalizedRecommenderSystemwasbornattherightmoment,givingdifferentialrecommendationfordifferentusersinaccordancewithuserspersonalizedinformation.Unlikethesearchingengine,PersonalizedRecommenderSystemis

abletoautomaticallymineusersfeaturewithoutanyinformationinputfromusers.

Basedonmovieinformation,thisthesisrealizedaMovieRecommenderSystembyadoptingmachinelearningmethod.Inaccordancewithmoviesthatusershavewatchedandusersevaluationscoresonmovies,thissystemcanrecommendusersmovieswhichareofusersinterestsandhavenotyetbeenwatched.Inaddition,thissystemalsorealizedcollaborativefilteringalgorithmbasedonbothusersandgoods,aswellasoptimizedtheoriginalalgorithmtoincreasetheaccuracyofrecommendationthroughdrawinglessonsfromtherecommenderalgorithmofAmazonandDouban.Meanwhile,throughtheanalysisonuserslabelinformation,timecontextinformation,placecontextinformationandsocialnetwor