随着人们对互联网与信息技术的逐步接纳与学习,越来越多的人开始加入到互联网大军中。一方面人们依靠互联网使工作和生活更高效、便捷,另一方面互联网植根于这片肥沃的土壤中也得到了长足的发展。但近年来,随着互联网中信息量的急剧扩增,互联网已经由“信息匮乏”过渡到了“信息过载”的局面,这种现象导致人们不能合理使用、分配互联网上的巨大资源。“推荐系统”的问世可以很好的解决这一问题,但在研究和应用过程中发现其仍存在不足,因此如何使推荐系统的推荐结果质量更高、推荐效果更好是当前研究的重点。在电影推荐领域,一直以来都存在矩阵稀疏、覆盖率较低和稀疏矩阵中推荐准确度不高的问题。论文针对上述问题将Slope One算法与矩阵分解技术相结合出提出基于矩阵分解与Slope One的电影推荐算法(SKSO),和基于矩阵分解与项目流行度的Slope One电影推荐算法(UCPPSO)。SKSO算法能有效解决稀疏矩阵中推荐准确度较低的问题,UCPPSO算法能有效解决由于马太效应影响造成的推荐准确度不足和覆盖率较低的问题。论文所做工作主要如下:1)对电影推荐展开调研,发现该领域对推荐算法在推荐准确度、覆盖率、多样性等方面的需求;2)对Slope One算法和相关技术进行深入研究,分析出算法在电影推荐领域存在的优势和不足,并指出改进方向与改进目标;3)提出基于矩阵分解与Slope One的电影推荐算法(SKSO),和基于矩阵分解与项目流行度的Slope One电影推荐算法(UCPPSO)。两种算法用于解决不同需求、不同改进方向下存在的问题,并通过实验论证算法的有效性。4)考虑到算法的实用性问题,将传统算法和论文所提算法应用在电影推荐模块中,并搭建完整的系统结构整合用户模块、电影模块和推荐模块。