基于协同过滤算法的电影推荐系统设计与实现.doc

PAGE 10 基于协同过滤算法的电影推荐系统设计与实现 摘 要 随着网络化速度的不断加快，庞大的信息量让人们难以快速准确地获取自身需要的信息。如何从多种多样的电影中获取自己感兴趣的部分，是值得关注的问题。推荐技术是运用普遍的信息过滤技术，它可以从大量的数据中过滤出用户感兴趣的信息，实现个性化推荐的功能。文中首先简述了推荐系统，然后分析了协同过滤算法，最后使用改进的余弦相似度完成系统算法设计。本系统使用Python作为主要开发语言，Pyqt5框架实现系统的UI可视化，MySQL作为系统数据库设计开发了一款电影推荐系统，实现了主动为用户推送信息的功能，为观影者提供了便利，基本实现所需功能。 关键词 协同过滤 ；相似度计算；电影推荐 Design and Implementation of Films Recommendation System Based on Collaborative Filtering Algorithm Abstract As the speed of networking has developed constantly, people can’t find the information they need fleetly and accurately because of the enormous information. It is a concern that how to get some information you’re interested in form different kinds of movies. The recommendation technology is a widely used which can filter out the interests of the users from a large amount of information. It can realize personalized recommendation function. Firstly, the recommendation system is described briefly in this paper, then, we analyze the collaborative filtering algorithm, finally, the improved cosine similarity was used to complete the algorithm design. This system uses Python as the development language and uses Pyqt5 to realize the visualization of the system. Besides using MySQL as the background database to develop a movie recommendation system, which realizes the function of actively recommendation information for users, provides convenience for viewing, implements the basic function. Keywords Collaborative Filtering; Similarity calculation; Film recommendation 前 言 互联网的发展在某些程度上为人们提供了便利，但也带来了不少问题，信息超载就是 备受关注的问题之一。人们希望通过娱乐的方式提高对生活品质的追求，观影成为了必选方式之一。当用户观看影片目标不明确时，常常需要浪费很多时间去搜索，才能找到自己喜爱的影片。推荐系统的出现让这种问题变得不再如此棘手。 本文的个性化推荐系统分为显示模块、数据读存模块、数据预处理模块、推荐计算模块和查询模块[1]。模块化的设计让系统的耦合度大大降低，更有利于之后系统的部分功能更新。该系统依据用户、电影、用户对电影的评分以及用户相似度数据，进行协同过滤算法处理，把电影推荐给用户，体现了流行性和个性化的需求。个性化推荐技术在很多领域已有了广泛地运用，我们主要借鉴推荐系统这一特点，实现在电影推荐这一领域的运用。 本文的内容结构如下： 第一部分对本文的研究背景和意义作了介绍，第二部分简述了系统开发所需关键技术，第三部分叙述推荐系统理论及系统设计算法-基于用户的协同过滤，第四部分进行了细致的系统分析，第五部分为系统的具体设计，第六部分是系统的实现,第七部分是总结。 1 研究背景及意义 1.1 研