电影个性化推荐系统的研究与实现
西南科技大学硕士研究生学位论文第IV页
目录
1.绪论 (1)
1.1.课题研究背景及研究意义 (1)
1.2.国内外发展现状 (3)
1.2.1.推荐系统发展历程 (3)
1.2.2.国内外研究现状 (4)
1.3.本文主要研究内容 (6)
1.4.本章小结 (6)
2.个性化推荐算法的研究 (7)
2.1.个性化推荐系统概述 (7)
2.2.基于内容的推荐算法 (9)
2.3.基于协同过滤的推荐算法 (10)
2.3.1.基于用户的协同过滤算法 (13)
2.3.2.基于项目的协同过滤算法 (13)
2.4.混合推荐算法 (14)
2.5.本章小结 (15)
3.系统总体架构与技术路线 (16)
3.1.系统需求分析 (16)
3.1.1.功能性需求 (16)
3.1.2.非功能性需求 (18)
3.2.系统总体架构和功能设计 (18)
3.2.1.系统总体架构 (18)
3.2.2.功能模块设计 (20)
3.3.技术路线和开发环境 (21)
3.3.1.技术路线 (21)
3.3.2.开发环境 (23)
3.4.本章小结 (23)
4.基于用户综合相似度的协同过滤算法 (24)
4.1.基于用户综合相似度的协同过滤算法 (24)
4.1.1.用户特征相似度 (25)
4.1.2.用户评分相似度 (27)
西南科技大学硕士研究生学位论文第V页
4.2.实验及分析 (28)
4.2.1.数据集 (28)
4.2.2.质量评价 (28)
4.2.3.实验结果及分析 (29)
4.3.本章小结 (31)
5.系统实现与测试 (32)
5.1.系统数据库设计和数据初始化 (32)
5.1.1.数据库设计 (32)
5.1.2.数据初始化 (36)
5.2.系统功能模实现 (38)
5.2.1.个人信息管理 (40)
5.2.2.电影管理模块 (41)
5.2.3.电影推荐模块 (42)
5.3.推荐引擎的实现 (43)
5.4.系统运行效果 (45)
5.4.1.主要界面展示 (45)
5.5.系统测试 (47)
5.5.1.功能测试 (47)
5.5.2.性能测试 (49)
5.6.本章小结 (51)
6.总结与展望 (52)
6.1.总结 (52)
6.2.展望 (52)
致谢 (54)
参考文献 (55)
攻读硕士学位期间发表的学术论文及科研成果 (58)
西南科技大学硕士研究生学位论文第1页1.绪论
在互联网技术不断成熟、移动终端快速普及的背景下，人民开始追求精神上的享受，精神需要在人民需求中所占的比重越来越大，电影作为一种精神娱乐方式，极大地受到了人民的欢迎。当今，互联网上的各类视频网站比比皆是，例如常见的搜狐视频、爱奇艺、电影天堂等，这些站点都提供数量巨大的电影视频供用户观看，用户可以很容易获取电影资源；尤其最近几年，随着Android技术的兴起、移动终端的普及，网民对PC的依赖也不断降低，互联网用户获取电影的难度更是越来越低。虽然用户随处都可以浏览观看电影，但是用户总需要花费大量的时间挑选电影，这个过程浪费大量的时间。从海量电影资源中，快速搜索到某个用户感兴趣的电影，进而为用户提供个性化的推送服务，具有很大的实用价值和研究意义。
1.1.课题研究背景及研究意义
因特网最近十数年发展势头迅猛，互联网上的信息量呈指数级增长，同时互联网网民数量的也不断增加[1]。据中国社会科学文献出版社报道，截止到2014年6月，国内因特网网民数量到达6.32亿，与去年同期相比增长了10.9%，据预测到2015年，中国互联网用户数量将达到8亿，这意味着在中国互联网网民的数量将超过中国人口数的一半。
图1-1互联网网民数量
Figure1-1Number of Internet Users