基于协同过滤推荐算法的影单管理系统的设计

Posted 2022-06-13 58850198

层出不穷的电影网站和电影交流社区在为用户提供海量信息的同时也带来了信息过载的问题。信息过载使用户获取最有价值的电影信息的成本升高，用户需要耗费大量的时间和精力来筛选出最合适的电影，体验感较差。同时，很多用户希望可以有一款软件可以记录并管理自己看过电影。
为了解决信息过载问题和满足用户潜在需要，本论文首先对推荐功能进行研究分析。通过调研发现，目前绝大多数电影平台的推荐功能都采用基于内容的推荐算法来主动推荐，如爱奇艺，优酷等。虽然这种推荐模式可以有效地避免冷启动的问题，但是主动推荐也意味着用户要主动过滤，信息针对性不强，同时电影作为一种多媒体资源，很难提取内容特征，所以推荐误差也很大。而相比于基于内容的推荐算法，协同过滤推荐算法是将与用户具有相似兴趣的同类用户喜欢的物品推荐给用户，这种推荐模式可以通过收集用户的反馈不断矫正用户偏好，推荐的信息更加有针对性。而且基于用户的协同过滤推荐算法是最易于实现，不需要训练的一种算法。因此，选用基于用户的协同推荐过滤算法作为实现电影推荐功能和解决信息过载问题的基础。
考虑到用户希望可以管理影单的潜在需求，系统将推荐算法与影单管理有机结合，对电影爱好者观影交流的现状详细梳理，针对其中的存在问题提出项目目标并进行详细的需求分析，设计了用户进行影单管理和获取推荐的新业务流程，确定了用户在影单管理中的评分机制，并将评分数据归一化后作为推荐算法的输入数据。然后明确系统要具备的功能，主要包括用户注册登陆，好友管理，影单管理，评论管理，推荐电影等。
最后，做编码设计和数据库设计并编写程序代码。系统采用B/S的系统结构，前端使用Bootstrap框架，界面简洁美观，后端采用node+Express+mysql框架模式，nodeJs是一门适用于高并发，非阻塞，I/O密集的后端开发语言，MySQL是中小型关系数据库，符合开发条件和需求。算法方面考虑到技术可行性以及系统需要，精简算法矩阵，以用户评分为主要因素加以应用。
经过不断调试和测试，系统成功地实现了所有预期功能，有效地解决了信息过载问题，满足了广大互联网电影用户的潜在需求。
关键词：协同过滤推荐算法；推荐算法；Express；NodeJs；个性化推荐；电影推荐；影单管理；

研究内容
本文预期将协同过滤推荐算法与影单管理相有机结合，实现基于协同过滤推荐算法的影单管理系统。首先对电影爱好者观影交流的现状详细梳理，然后针对其中的存在问题提出项目目标并进行详细的需求分析，设计用户进行影单管理和获取推荐的新业务流程，并明确系统要具备的功能。系统具体目标如下：
（1）影单管理功能，用户登录后可以通过电影名获取电影信息，并将看过的电影添加到自己的影单里。同时还可以自定义子影单，分享给他人。
（2）用户可以对影单中的电影发表评论。
（3）实现登录注册和好友管理功能，作为下一阶段电影社交系统的基础。
（4）用户可以在自己的影单中对看过的电影进行评分，系统根据不同用户对不同电影的评分进行计算，当用户点击推荐按钮时，会被推荐一部电影。