电影推荐系统的设计与实现10.22.docxVIP

PAGE 2 目 录 TOC \o 1-3 \h \z \u 摘 要 1 Abstract 2 前 言 3 第一章 绪 论 4 1.1 研究背景及意义 4 1.2 电影个性化推荐概述 4 1.3 本文的主要工作 5 1.4 本文的组织结构 5 第二章 设计目标和系统搭建 6 2.1 设计目标 6 2.1 Python环境介绍 6 2.1.1 Python简介 6 2.1.2 Python特点 6 2.1.3 pycharm介绍 7 2.2 Flask介绍 7 2.3 Bootstrap介绍 8 2.4 Flask 和Bootstrap在此项目中的应用 8 2.5 部署Flask应用 9 2.6 本章小结 9 第三章 数据抓取和数据库 11 3.1 数据抓取 11 3.1.1 数据选择 11 3.1.2 爬虫技术介绍 12 3.1.3 选择用Python实现 12 3.1.4 注意事项 13 3.2 数据库 14 3.2.1 Mongo DB 简介 14 3.2.2 在本项目中的使用 14 3.2.3 pymongo的使用 15 3.3 本章小结 16 第四章 个性化推荐 17 4.1 推荐算法概述 17 4.1.1 基于内容的推荐和协同过滤 17 4.1.2 推荐算法的选择 18 4.2 基于内容的推荐实现 19 4.2.1 TF-IDF 19 4.2.2 余弦相似性 19 4.2.3 在本项目中的应用 20 4.3 本章小结 22 第五章 系统功能测试和分析 23 5.1 基本功能测试 23 5.2 推荐功能 26 5.3 本章小结 28 第六章 工作总结与展望 29 6.1 论文工作总结 29 6.2 未来工作的展望 29 参考文献 31 致 谢 33 摘 要 近些年来，提供个性化服务的网站越来越多，打开淘宝或者京东，你会看到这些网站都会有一个推荐模块。这个模块会给你推荐一些你感兴趣的商品，从而提高网站的经济效益。电影类的网站亦是如此，不管是国外的Youtube或者是国内的腾讯视频，都少不了推荐模块。这种功能对于用户来说自然是很棒的。一个好的电影网站需要提供及时的观影资讯，同时需要给用户推荐合适的电影。在网站资源更新的同时，推荐的算法也在及时的更新。 在推荐算法的实现中，数据的支持是必不可少的，所以网络爬虫技术也在这里显得尤为重要了。本文主要以豆瓣的数据作为数据支持，通过爬虫技术获取我们所需要的数据。网站的前端主要以当今最火的Bootstrap框架，后端以Python语言为基础的Flask轻量级web框架，数据库采用的是Mongo DB，推荐算法选择了基于内容的推荐算法。这样的系统就构成了个性化电影推荐系统，根据用户自己喜欢的电影去推荐相似的电影。给用户一种“懂我”的体验。 关键词：电影网站；数据采集；Flask ；个性化推荐 Abstract In recent years, the provision of personalized service sites more and more, open Taobao or Jingdong, you will see these sites will have a recommended module. This module will give you some merchandise you are interested in to improve the economic benefits of the website. Movie class site is also true, whether it is foreign Youtube or domestic Tencent video, are ultimately recommended module. This feature is naturally great for the user. A good movie site needs to provide timely viewing information, while the need to recommend the appropriate film to the user. In the website resources update at the same time, the recommended algor