在社交媒体、电子商务、流媒体平台或网店业务中,推荐系统扮演着非常重要的角色。推荐系统的主要目标是帮助指定的用户根据输入,在与之交互的平台上获取他可能感兴趣的项目列表。事实证明,有一个好的推荐系统可以大幅度增加收入。此外,一个好的推荐系统可以提高用户的体验和满意度。许多推荐系统,如基于项目的协同过滤,都是在过去被提出的。问题是,即使在这一领域取得了进展,但其中大多数仍然不够强大和有力,无法完成应有的任务。在本文中,我们提出了一个电影推荐系统,该系统将基于项目的协同过滤功能与矩阵分解算法(称为交替最小二乘矩阵分解)相结合,以便只推荐用户可能喜欢的产品或项目。首先,系统采用形式化的基于KNN项目的协同过滤方法对项目之间的关系或距离进行评估;其次,系统采用基于KNN项目的协同过滤方法对项目之间的关系或距离进行评估,利用交替最小二乘矩阵分解,将用户与项目的交互矩阵分解为两个低维矩形矩阵的乘积,形成用户与项目的相关性。这两个操作的结果将合并形成我们的推荐系统。我们的研究结果表明我们使用的方法是好的。使用两种不同的推荐技术并将它们结合在一起,与传统系统相比有很大的不同,并且提供了更好的推荐。此外,使用交替最小二乘算法将有助于我们正确推荐项目,即使在非常稀疏的领域。交替最小二乘法的使用解决了以往系统中遇到的大多数问题。