论文部分内容阅读
随着互联网技术的日益成熟以及娱乐文化的发展,人们越来越依赖通过互联网获得娱乐信息。在信息爆炸时代,信息量急剧上升,娱乐信息也日益丰富,如何在浩如烟海数据中找到人们需要的信息成为一个热门的研究课题。电影作为日常主要精神娱乐项目之一也存在信息过载的难题。为解决这个难题,本文提出了个性化推荐系统。个性化推荐技术根据用户的兴趣偏好,向用户推荐用户可能感兴趣的信息,从而根据不同用户进行个性化服务。个性化推荐技术的应用领域非常广泛,比如电子商务领域,通过个性化推荐系统可以提高电子商务网站的购买率。个性化推荐系统技术从本质上来说就是一种信息过滤技术。它是一种融合了各种数据挖掘算法并结合用户相关信息,完成符合用户兴趣或潜在兴趣的综合系统。根据推荐算法的不同,推荐系统分为不同的类型。在传统的推荐系统分类中,推荐系统分为基于内容的推荐系统,协同过滤推荐系统,混合推荐系统。由于每种推荐算法的使用范围不同,使用条件不同,导致对于同样的信息推荐,各个推荐算法的推荐效果是不同的。在实际推荐系统应用中,一般都趋向于混合推荐系统,即将各种推荐算法通过混合的方法将各个算法的长处融合到实际的推荐过程中,有效地提高了推荐效果。本文从实际应用出发,重点研究内容是帮助用户在海量电影信息数据中自动的获取用户感兴趣的电影,从而避免用户受到过多其他信息的干扰。首先介绍了相关研究背景和国内外的研究现状,进而给出本文要研究与实现的主要工作。其次,针对本文要实现的部分,采用适当的开发技术,保证本文系统开发能够顺利进行。经过需求分析和系统定位,本文要实现的推荐系统是通过用户兴趣标签和用户历史浏览信息为注册本系统的用户进行个性化推荐的系统。在介绍了总体设计与数据库表单设计之后,文中最后通过系统界面效果展示了系统的成果。本文的主要工作包含对个性化推荐系统的算法的研究,结合实际应用需求,通过研究结果与需求分心相结合,设计了一个能有效为用户提供个性化电影推荐的推荐管理系统,并对系统进行实现是本文的主要工作。本文采用B/S模糊架构,实现了一个具有根据用户兴趣以及历史浏览记录的电影推荐系统,极大地方便了用户对电影的筛选工作提高了用户体验,简化了用户搜索电影的过程,但是受业务范围局限和开发者本身能力限制,没有刻画出一个满足复杂业务功能的系统,对于数据分析部分也比较简单。这些都需要在后续的工作中不断完善。