第 1 章 绪论 1
1.1 研究背景及意义 1
1.2 国内外研究现状 1
1.3 本文研究目标和研究内容 4
1.4 论文结构安排 4
第 2 章 推荐算法的研究 7
2.1 推荐算法简介 7
2.1.1 协同过滤算法 7
2.1.2 基于内容的推荐算法 7
2.1.3 基于标签的推荐算法 7
2.2 系统实现算法介绍 8
2.2.1 基于用户的协同过滤算法 8
2.2.2 基于物品的协同过滤算法 8
2.3 相似度计算 9
2.4 推荐算法评测指标 10
2.4.1 评分预测 10
2.4.2 TopN 推荐 10
2.5 本章小结 10
第 3 章 实验设计及系统实现相关技术的研究 11
3.1 实验设计及结果分析 11
3.1.1 实验环境 11
3.1.2 实验设计 11
3.2 系统实现相关技术的研究 14
3.2.1 Python 语言研究 15
3.2.2 Flask 框架研究 15
3.2.3 MySQL 数据库研究 16
3.3 本章小结 17
第 4 章 推荐系统的设计与实现 19
4.1 国内外主流视频网站推荐效果调研 19
4.1.1 国内视频网站调研 19
4.1.2 国外视频网站调研 20
4.2 需求分析 21
4.3 用户功能需求 21
4.4 系统设计 21
4.4.1 系统总体架构 21
4.4.2 系统功能模块简述 23
4.5 数据库介绍与设计 32
4.5.1 实验数据集介绍 32
4.5.2 数据库逻辑结构设计 33
4.5.3 系统 E-R 图 34
4.5.4 系统数据表设计 35
4.6 本章小结 36
第 5 章 总结与展望 39
5.1 总结 39
5.2 不足之处及未来展望 39
参考文献 41
致 谢 43
1.3 本文研究目标和研究内容
本论文的研究目标是通过协同过滤算法实现一个个性化电影推荐系统:用户首先通过 填写用户名、密码、邮箱地址注册后进入系统,然后对系统主页所展示的8个类别的电影 中看过的电影进行评分,0.5分为最低分,满分为5分,所对应的评价分别是:不喜欢、一 般、喜欢、推荐.提交评分后浏览器将评分数据通过表单提交到数据库,推荐系统后台的 分析算法通过UserCF(基于用户的协同过滤算法)和ItemCF(基于物品的协同过滤算法) 给出两种推荐.即一个是基于用户之间的相似度,一个是基于电影之间的相似度.
本文主要研究内容包括:
(1)研究原始的协同过滤算法,并调研应用该算法的视频网站.
(2)对原始的协同过滤算法做出改进,使推荐结果更加切符合用户兴趣.
(3)选定Top-N推荐的常用评价标准召回率和准确率与原始的协同过滤算法进行比较.
(4)以传统的协同过滤算法为基础,设计和实现一个个性化电影推荐系统,并从需 求分析、系统设计、系统实现三个方面对该系统进行阐述.
北京网站建设公司分形
权威发布型舆情回应以事实性、企业名录搜索软件终身免费、永久使用、不限域名、怎么把网站推广
传统旅行社如何建设网站?
- 首页
- php网站建设与管理
- 正文