基于協(xié)同過(guò)濾的電影推薦系統(tǒng)的構(gòu)建.pdf

1、隨著信息技術(shù)和互聯(lián)網(wǎng)的飛速發(fā)展，人們漸漸的從信息匱乏的時(shí)代跨入了信息過(guò)載的時(shí)代。在這個(gè)充滿信息的時(shí)代，無(wú)論是信息消費(fèi)者還是生產(chǎn)者都面臨著巨大的挑戰(zhàn)：對(duì)于信息消費(fèi)者來(lái)說(shuō)，如何從海量信息中找到對(duì)自己有意義的信息是一件非常困難的事情；對(duì)于信息生產(chǎn)者來(lái)說(shuō)，如何讓自己的信息展現(xiàn)給對(duì)它們感興趣的用戶面前，也是一件非常困難的事情。個(gè)性化推薦算法應(yīng)運(yùn)而生，它就是解決這一矛盾的重要工具，實(shí)現(xiàn)了二者的雙贏。對(duì)于一個(gè)推薦系統(tǒng)來(lái)說(shuō)，如何利用和分析用戶的歷史信息

2、并預(yù)測(cè)用戶潛在感興趣內(nèi)容是本文研究的重點(diǎn)。
　　協(xié)同過(guò)濾在個(gè)性互推薦領(lǐng)域中廣泛應(yīng)用，同時(shí)也存在稀疏性問(wèn)題，冷啟動(dòng)問(wèn)題，準(zhǔn)確性問(wèn)題，可擴(kuò)展性等問(wèn)題，本文針對(duì)這些問(wèn)題提出了基于Slope One算法的改進(jìn)算法，改進(jìn)后的算法在計(jì)算用于對(duì)目標(biāo)項(xiàng)目的評(píng)分值是引入了項(xiàng)目相似性，消除了項(xiàng)目相似性對(duì)評(píng)分值的影響，同時(shí)改進(jìn)后的算法的保持了原算法的優(yōu)點(diǎn)，在數(shù)據(jù)稀疏性問(wèn)題上具有較好的適應(yīng)性。
　　本文的主要工作和創(chuàng)新性如下：
　　1.構(gòu)建了

3、基于協(xié)同過(guò)濾的電影推薦系統(tǒng)。電影推薦系統(tǒng)采用傳統(tǒng)的 B/S三層架構(gòu)，利用Struts2+Hibernate+Spring三大框架，MySql數(shù)據(jù)庫(kù)，Tomcat服務(wù)器構(gòu)建而成。系統(tǒng)可以有效的管理用戶和電影相關(guān)信息，能為用戶推薦其感興趣的電影。
　　2.提出了基于Slope One的改進(jìn)算法。首先根據(jù)用戶的歷史評(píng)分?jǐn)?shù)據(jù)計(jì)算項(xiàng)目間相似性，根據(jù)項(xiàng)目相似性為當(dāng)前活躍用戶選取最近鄰居集合，然后計(jì)算目標(biāo)項(xiàng)目與鄰近項(xiàng)目的評(píng)分偏差，最后以項(xiàng)目相似