基于协同过滤算法的电影推荐系统的设计与实现

基于协同过滤算法的电影推荐系统的设计与实现

胡晨,李嘉杰,刘真诚,王丽娜

（山东协和学院 计算机学院 山东 济南 250107）

摘要：当前，随着我国经济的快速发展，以及人们生活水平的提高，使得人们的个性化需求增多。而利用协同过滤算法所制定的电影个性化推荐系统，是网络技术与计算机技术在电影服务中的成功应用。对此本文提出电影推荐系统以协同过滤算法计算用户相似度来帮助人们寻找自己喜欢的电影，协同过滤算法的优点是适用范围广重复使用率高，不使用数据的专业知识，实现效果明显。

关键词：协同过滤 电影推荐 个性化推荐 推荐系统

0 引言

互联网给人们带来便捷的同时，产生一系列问题，信息过载问题就是其中之一。如何从中筛选有效的信息加以利用成为人们所关注的问题。基于此推荐系统应运而生，推荐系统的出现在一定程度上降低了信息过载问题所产生的影响，其可以帮助人们在众多纷乱的信息中更快地筛选出有效信息，对用户的兴趣进行挖掘，提升用户的使用体验。本文基于协同过滤算法设计并实现了电影的个性化推荐系统。在该系统中，用户可以根据自己的喜好对系统中的影片进行评分，在和系统逐步交互的过程中，得到良好的电影推荐效果，同时，也能帮助站点缓解网络负载问题。

1 相关基本概念

1.1 协同过滤算法

推荐领域比较成熟的算法有基于内容的推荐算法、协同过滤算法、基于规则的推荐算法、基于效用的推荐算法、基于知识的推荐算法等。本文采用基于用户的协同过滤算法实现个性化的电影推荐服务。基于用户的协调过滤算法的主要步骤如下：

（1）寻找与目标用户兴趣相似的用户集合；

（2）找到这个集合中的用户所喜欢的，然后把目标用户没有接触过的物品推荐给目标用户。

该算法的核心就是计算两个用户之间的兴趣相似度，给定用户u和用户v，令N(u)表示用户u感兴趣的物品集合，N(v)表示用户v感兴趣的物品集合，通过余弦相似度公式计算出两两用户之间的相似度，进行比较，最终筛选出与目标用户相似度最高的用户集合。余弦相似度公式为：

1.2个性化推荐系统

个性化推荐系统是建立在海量数据挖掘基础上的一种智能平台，可以模拟商店销售人员向顾客提供商品信息和建议，为顾客购物提供完全个性化的决策支持和信息服务，它的目标是既满足用户意识到的需求，也能满足用户没有意识到需求，或意识到但没有表达出来的需求，让用户超越个体的视野，避免只见树木不见森林。好的推荐系统可以大大提高用户的忠诚度，并为电子商务带来巨大的利益。

2 系统的设计与实现

2.1功能性需求分析

该平台的用户端功能分为用户中心、查看影片，电影评价，影片评价和查看推荐影片；管理员端：评价管理工作、打分管理工作、电影信息管理系统和其他用户信息管理系统。

2.2总体架构设计

该平台的用户端功能分为用户中心、查看影片，电影评价，影片评价和查看推荐影片；管理员端：评价管理工作、打分管理工作、电影信息管理系统和其他用户信息管理系统。

通过对系统的总体解析，系统的总体用例图，如图所示。

（1）用户端

用户端：用户使用登录注册模块进行登录或者注册、用户使用账号管理模块对自己的信息管理、用户使用查看推荐模块查看系统自动推荐的电影、用户使用查看电影信息模块查看电影信息、用户使用电影评分模块对不同电影进行打分，并对平均分产生影响和用户使用评论模块对不同电影评论等。

（2）管理员端

管理员端：管理者只能使用电影消息模板对电影消息增删改查；管理者根据用户信息模块，对使用者的个人资料管理和编制；管理者根据评价管理，管理使用者评价；通过评分管理管理用户评分；通过评论管理管理用户评论。

2.3　系统功能实现

电影推荐系统的登录模块包含登录和注册两个功能。已注册的用户可以通过输入正确的登录信息进入个性化推荐系统，若输入的用户名或密码错误会弹出提示信息要求重新输入。未登录的用户可以以游客身份进入系统，但不具有注册用户所拥有的个性化推荐的功能。未注册的用户可以点击登录界面的“注册”按钮跳转至注册界面。在正确输入注册信息后便可进入个性化推荐系统。电影推荐系统的核心部分为用户可针对电影进行评分，在评分模块，用户可在所选电影界面进行评分，查看评分相关信息，并对电影评分进行修改等操作。

登录界面

3 总结

本文针对目前的信息过载问题和用户对于电影推荐的个性化需求，设计并实现了基于协同过滤算法的个性化推荐系统。分别从系统的系统设计以及系统的实现这两方面出发，阐述了电影个性化推荐系统的设计与实现。该系统可根据用户的评分信息为用户制定个性化推荐的策略，为用户个性化推荐电影。

参考文献

[1]陈嘉颖,于炯,杨兴耀.一种融合语义分析特征提取的推荐算法[J].计算机研究与发展,2020,57(3):562-575.

[2]吴宾,娄铮铮,叶阳东.一种面向多源异构数据的协同过滤推荐算法[J].计算机研究与发展,2019,56(5):1034-1047.

[3]虞雅雯,束静,徐影.基于用户的协同过滤算法对产品评分进行预测研究[J].电脑编程技巧与维护,2022(05):61-64.DOI:10.16184/j.cnki.comprg.2022.05.033.

2022年山东协和学院实验室开放项目，项目编号：2022SYKF25：云易影视—基于协同过滤算法的电影推荐小程序的设计与实现