【基于协同过滤算法的电影推荐系统设计18000字】.docx

PAGE

PAGE28

基于协同过滤算法的电影推荐系统设计

目录TOC\o1-3\h\z\u

1引言 1

1.1研究背景及意义 1

1.2国内外研究现状 2

1.3本文组织结构 3

1.4运用的基本研究方法 4

2推荐系统及经典推荐算法 5

2.1推荐系统 5

2.2基于内容的推荐 5

2.3基于用户的协同过滤推荐 7

2.4各类推荐算法比较 8

2.5相似度的计算方法 9

3协同过滤算法的改进 11

3.1问题的提出与分析 11

3.1.1稀疏性问题 11

3.1.2冷启动问题 11

3.2改进算法分析 12

3.3算法改进思路 14

3.3.1引入用户静态数据 14

3.3.2K-means聚类 15

3.3.3Slopeone算法填充 17

4改进算法的实现 19

4.1数据与环境 19

4.1.1数据集 19

4.1.2实验环境 19

4.2评估标准 20

4.3实验方案 21

4.4本章小结 27

5结论与展望 28

5.1本文总结 28

5.2工作展望 28

参考文献 29

摘要:突如其来的新冠疫情，让人们的生活方式、娱乐方式都发生了改变。在观影方式的选择上，人们也开始由线下影院观看电影转移为线上观影为主。由于人们的线上观影需求增大，影片数据也随之急剧增加。面对海量的电影信息，我们不仅可以让用户通过搜索引擎主动寻找想看的电影，而且也可以通过推荐系统在用户没有明确需求时进行影片推荐。通过对传统协同过滤算法的主要流程进行分析，旨在解决普遍存在的数据稀疏问题，因此本文提出一种优化的算法：首先需要以数据集为范围聚类，随后在生成的子矩阵中用Slopeone方式填充。最后，以实验的方式验证改进算法的有效性，以MAE、准确率、召回率等多个指标，多方面比较传统协同过滤推荐算法和改良后算法的差别，以此来证明本文提出的改进算法效果更佳。

关键词：协同过滤；电影推荐；聚类填充；Slopeone

1引言

1.1研究背景及意义

进入2021年，互联网的发展让“地球村”这一概念成为可能，越来越多的人通过互联网可以方便快捷的与世界产生联系。经最新公布的调查数据显示，我国的互联网普及率逐年提高，截至2020年底，我国网民数量再创新高，约为10亿人口左右，城市、农村及偏远地区的互联网普及率达70%左右。互联网的快速发展也使得网络上的信息花样繁多、鱼龙混杂，人类飞速地进入了信息急速膨胀的互联网大数据时代。然而，大数据时代所带来的并不都是令人欢欣鼓舞的消息，信息茧房的效应也越来越明显。事实上如何让信息更加高效的抵达需要信息的人，让信息更高效的被收集和利用，同时避免信息茧房效应。目前，互联网时代下人们想要高效利用的信息主要有以下两种具有代表性的方式，分别是互联网信息检索技术和对信息的过滤技术，信息检索技术主要是以移动互联网的搜索引擎为代表，这种技术已经在互联网时代取得了广泛的应用。然而，信息检索的技术往往是需要使用者对自己的需要进行准确地描述，再进行搜索，而一方面用户可能难以精准表达自己的搜索需求，另一方面，关键字的检索结果可能不能真正地满足用户的信息需求。

协同过滤算法是推荐算法中最为重要的一种，不仅仅在现在的互联网商业世界有着大规模的广泛应用，在学术研究方面也存在着巨大的价值。推荐系统在我们日常生活中的应用给我们带来了极大的便利，比如说网易云音乐等互联网音乐平台会根据你过往喜好的听歌历史给用户推荐其可能偏爱的音乐，美团、饿了么等外卖平台会根据用户喜好的饭菜口味给用户推荐其最可能点的外卖商家，抖音、快手等短视频平台会根据用户偏好的短视频类型给用户推荐短视频。并且协同过滤技术中推荐资源多样化,可以很好地避免推荐同质化和信息茧房效应。因此,采用协同过滤推荐的技术其对于推荐质量要求相对比较高,推荐实际效果也更好，且采用协同过滤的推荐技术对于提高推荐的效率和提升推荐准确度上都可以得到长足的发展。

本文需要研究的是基于协同过滤的电影推荐，我们可以看到，即使是2020年受到疫情的冲击，我国的电影市场规模仍然在扩大：即使是受疫情影响，2021年春节档也突破了60亿票房，并且再创春节档历史新高。并且随着我国流媒体和视频平台的不断壮大和发展，网络电影在我国的市场也越来越广泛，今年春节期间由各大平台正式提出了一个关于网络电影春节档制作概念。立足长远，线上影院将和线下影院在接下来将会齐头并进，共同发展和壮大电影行业市场，为我国文化产业发展添砖加瓦，推动我国建设文化强国、增强民族自信。因此，不论是政策利好