随着深度学习技术的进步和大数据时代的来临,对话系统和推荐系统逐渐深入到我们的生活。常见的比如语音助手“Siri”,电影推荐网站“豆瓣”等。对话推荐系统逐渐成为一种新颖的推荐手段,系统能够在和用户进行对话时完成推荐任务。传统的对话推荐系统对话部分需要大量的人工制定的规则,推荐系统部分大多也采用的是基于检索的方法,通过不断获取用户需要的信息,在系统知识库中检索得到符合用户要求的物品。本文针对电影推荐任务,设计并实现了一种基于对话的电影推荐系统。经过大量的文献阅读和用户调研,将本系统的实现分为了:基于对话的电影推荐模型的构建、系统的需求分析和概要设计、系统的详细设计与实现三个部分。模型构建是整个系统的核心,本论文根据ReDial数据集创建了一个情感分析数据集,使用双向门控循环单元和BERT词嵌入构建了用于在对话中获取用户电影喜好的情感分析模型,并得到了 0.8362的F1分数。结合情感分析模型和基于AutoRec的推荐系统完成了整个基于对话的电影推荐模型的构建工作。通过人工测评的方式,基于对话的电影推荐模型取得了很好的效果。根据基于对话的电影推荐系统的需求分析与详细设计,实现了包含:用户管理、权限管理、电影统计展示、电影随机推荐、电影数据获取和对话电影推荐六个功能模块,使用Flask框架和Vue.js框架完成系统的后台和前台开发工作。最后对系统的功能性需求和非功能性需求进行了测试工作。对主要的功能模块通过设计测试用例的方式,经测试系统各个模块能够实现需求中所述功能;通过Jmeter从吞吐量、异常率和平均响应时间三个角度对系统性能进行测试,经测试系统表现能够满足用户需求。本论文实现了一种新颖的基于对话的电影推荐的系统,能够在对话过程中完成电影推荐,有一定的趣味性,可以吸引用户使用。具有一定的使用价值和研究价值。