《基于协同过滤算法的电影推荐系统设计》18000字（论文） .pdf

基于协同过滤算法的电影推荐系统设计

目录

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5

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协同迫德算法的改进11

3.1问题的提出与分析11

3.1.1稀疏」性［可题11

3.1.2冷启动I可题11

3.2改进算法分析12

3.3算法改进思路15

3.3.1引入用静态数据14

3.3.2K-means聚类16

3.3.3Slopeone算法填充18

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21

4.3实验方案22

4.4本章小结27

5论与展望28

5.1本文总结28

5.2工作展望28

参考文献29

1

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

给用推荐其可能偏爱的音乐，美团、饿了么等外卖平台会根据用喜好的饭菜口味给用

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偏好的短视频类型给用

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