基于用户协同过滤算法的电影推荐系统.pdfVIP

泰迪华南杯数据挖掘竞赛论文报告 基于用户协同过滤算法的电影推荐系统 摘 要 随着电子商务的高速发展和普及应用，个性化推荐的推荐系 统已成为一个重要研究领域。个性化推荐算法是推荐系统中最核 心的技术，在很大程度上决定了电子商务推荐系统性能的优劣。 协同过滤是应用最为广泛的一种个性化推荐技术。协同过滤主要 分为基于用户的协同过滤和基于项目的协同过滤。 本文研究了基于用户的协同过滤推荐算法及其在电影推荐 系统中的应用，设计开发了相应的电影推荐系统中个性化推荐原 型系统，并对该算法的推荐质量进行了深入的实验分析。本文也 介绍了协同过滤推荐的基本思想。在介绍电影推荐系统推荐技术 研究与应用现状的基础上，详细说明了基于用户的协同过滤推荐 算法及其具体实现步骤。采用 Java Web 实现了原型系统。对于 挖掘结果从算法效率及应用意义上进行比较分析 关键词：电影 基于用户的协同过滤推荐 余弦相似性 相关相似性 - 1 - 泰迪华南杯数据挖掘竞赛论文报告 目录 第 1 章 绪论3 1.1、研究背景3 1.2、国际发展形势4 第2 章 基于用户协同过滤推荐技术4 2.1 电子商务推荐系统概述4 2.2 协同过滤推荐技术5 第3 章 基于用户的协同过滤推荐算法6 3.1 基于用户协同过滤算法的介绍6 3.2、基于用户喜好值推荐算法的思路7 3.2.1 建立用户模型7 3.2.2 寻找最近邻居7 1. 余弦相似性（Cosine）8 2. 相关相似性(Correlation)8 3.2.2 产生推荐项目8 3.3 算法的实现9 3.4 电影推荐系统界面实现9 3.4.1 用户输入界面 10 3.4.2 推荐电影界面 10 第4 章 算法推荐质量的实验分析 11 4.1 算法推荐质量的衡量方法 11 4.2 验证推荐方法采用的数据集 11 4.3 实验结果分析 12 4.3.1 余弦相似性 13 4.3.2 相似相关性 13 4.3.3 基于用户评分次数的相似相关性计算方法 14 4.3.4 两种算法的对比分析 15 第五章 总结 17 参考文献 18 附录 19 - 2 - 泰迪华南杯数据挖掘竞赛论文报告 第1 章 绪论 1.1、研究背景 随着互联网技术的迅猛发展，人们逐渐走入了信息过载的时代。面对大量的 信息，我们都显得有些无所适从。作为信息需求者，从大量信息中找到自己感兴 趣的信息往往是一件非常困难的事情；而对于信息提供者，让自己的信息脱颖而 出，受到大家的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的 重要工具。推荐系统通过建立用户和信息产品之间的关系，利用已有的选择过程 或相似性关系，一方面挖掘用户潜在感兴趣的信息，另一方面让信息能够展现在 对它感兴趣的用户面前。一个完整的推荐系统通常包含收集用户信息的行为记录 模块，分析用户喜好的模型分析模块和推荐算法模块。 我们身边最熟悉的例子要数电子商务网站的推荐系统，几乎每个大型电子商 务网站都把个性化推荐作为重要的营销手段之一。更有文献表明早期Amazon 的 35%销售增量都来自它的推荐系统。除了商品，音乐、电影等也是常见的推荐对 象。 在众多的个性化推荐算法中，协同过滤被广泛应用，也是最成功的推荐算法。 本课题旨在研究基于用户的协同过滤推荐算法在电子商务个性化商品推荐中的 应用。 研究电子商务推荐系统对企业和社会具有很高的经济价值。电子商务个性化 推荐系统的关键是建立用户模型。推荐系统的热点问题是推荐技术和推荐算法的 研究。推荐算法是整个推荐系统的核心，它的性能决定了最终推荐结果的好坏。 为了建立合理的用户模型，满足不同用户对实时性、推荐方式等的要求，产生了 一系列的推荐技术和算法。涉及的技术包括