基于Python的协同过滤算法的研究与应用实现.docxVIP

?

?

基于Python的协同过滤算法的研究与应用实现

?

?

胡正江兰海翔卢涵宇侯汝冲薛安琪

摘要：在科技日新月异以及知识产权日益重视的今天，大部分用户都会选择在播放平台看电影。例如腾讯视频、爱奇艺等，用户们急需合理的电影推荐系统。本文为基于Python的协同过滤算法将个性化推荐技术与电影系统进行有机结合，给用户进行电影个性化推荐。

关键词：个性化推荐;协同过滤;Python

：TP208????：A

：1009-3044（2019）25-0202-03

Abstract：withtherapiddevelopmentofscienceandtechnologyandtheincreasingimportanceofintellectualproperty，mostuserswillchoosetowatchmoviesonthebroadcastplatform.Forexample，tencentvideo，iQIYI，etc.，usersareinurgentneedofareasonablemovierecommendationsystem.Inthispaper，Pythonandcollaborativefilteringalgorithmareusedtoorganicallycombinepersonalizedrecommendationtechnologywithmoviesystemtogiveuserspersonalizedmovierecommendation.

Keywords：PersonalizedRecommendation;CollaborativeFiltering;Python

平常在電商平台购物时经常看到“你可能喜欢”这样的推荐，点进去一看大部分都是自己经常浏览的东西相关的，这个技术一下吸引了我，我平常喜欢看电影，而目前视频播放平台并不能投其所好的给用户推荐符合口味的电影，更多的是推荐娱乐圈的视频。所以基于Python的电影个性化推荐系统就这样产生了，当然这并不是我最先想到的，其实之前就有了一些相关的电影推荐系统，我对比分析发现他们的研究各有优缺，都不够完善，研究不够深入，我的研究只是站在前人的肩膀上进行优化。

大多数人在工作和生活之余都会看几部电影，看电影不仅可以让人释放压力，还可以增长知识等等。本系统致力于用大数据以及深度学习等热点技术给影迷理性而又科学的推荐他们喜欢的电影。其实推荐系统应用很广泛，比如常见的电商产品推荐，即电商平台根据你平常的浏览以及购买过的东西来给你推荐你可能喜欢的东西，这类推荐系统为电商平台获利不少。所以我希望构造一个根据用户的个人口味进行个性化推荐的电影推荐系统。个性化推荐不像令人讨厌的广告弹窗，它是投其所好，解决用户的需求。

国内外目前电影推荐系统的研究主要集中在系统的理论和技术方面，取得了不错的成果。对于评价数据的稀疏性，有学者提出了一种优化的协同过滤推荐算法，也有基于项目评分预测的协同过滤推荐算法，采用一种新颖的相似度量方法计算目标用户的最近邻居[1]。针对算法的可扩充性，也有相关文献提出基于项目的协同过滤推荐算法，显著地提高了推荐系统的推荐质量。以上的各种方法各有优缺，所以现在很多研究者提出结合多种过滤技术的优点来克服自身的不足[2]。国内一些影视网站有自己的推荐系统，例如腾讯视频、爱奇艺以及优酷等，但是目前做得不是很好，推荐结果并不那么令人满意。

1基于协同过滤的推荐系统

1.1协同过滤算法介绍

协调过滤算法是目前最成功有效的个性化推荐算法，广泛应用与各领域中[3]。协同过滤算法分析用户的兴趣，然后在用户群中寻找指定的用户的相似兴趣的用户，最后综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度进行预测。

1.2协同过滤算法实现步骤

协同过滤算法一般分三步实现：第一步，收集用户偏好，也就是获得用户对某些信息项的评价;第二步，找到相似的用户或物品，即分析用户之间的相似性并预测特定用户对某一信息的喜好。第三步，进行个性化电影推荐。

2协同过滤算法实现

2.1收集用户偏好

收集用户的偏好信息是电影个性化推荐系统的推荐效果的重要影响因素，基于用户的行为和偏好发现规律来进行推荐[4]。本系统使用评分的方式对电影个性化推荐系统提供用户的偏好信息。

2.2寻找相似的用户

利用网络爬虫获取的电影评分数据中选择5个用户对2部电影的评分来说明如何通过用户对电影的偏好寻找相似的用户。对用户的网名采取用户123表示，具体信息见下表。

通过计算5个用户对5部电影的评分我们可以获