论文部分内容阅读
随着互联网技术的发展,网络资源与日俱增。用户面对海量的资源往往难以选择,个性化推荐的研究已经成为必然趋势。电影资源是网络资源的重要组成部分,随着电影视频数目的增多,单纯的电影点播已经不能满足人们的需求,因此个性化电影推荐系统应运而生。个性化电影推荐系统可以帮助用户在大量的电影中迅速找到他们感兴趣的电影。个性化电影推荐系统通常由三部分组成:前台的电影页面显示、电影推荐算法、后台数据库。其中电影推荐算法是系统的核心。协作过滤是目前应用最广的推荐算法。针对现有协作过滤推荐准确度较低的问题,考虑家庭多用户的情况以及冷启动问题,本文在协作过滤基础上开展了个性化电影推荐方法的研究。另外,为了提高现有推荐算法的评分预测准确度,本文对基于图的推荐算法进行了研究。本文的主要工作总结如下:1.提出一种基于协作过滤的电影推荐方法,通过建立用户兴趣模型、结合内容过滤的思想改进了基于用户的协作过滤算法,针对家庭多用户共享信息点的情况进行了优化,并使用相似电影推荐的方式缓解了冷启动问题。实验结果表明,本方法的推荐准确度比基于用户的协作过滤算法提高了20%。2.提出一种基于图的协作过滤算法。利用二部图中顶点之间的路径信息并考虑顶点的度来计算项目之间的相似度,从而得到项目的邻居项目集,并采用基于项目的协作过滤的方法预测用户对项目的评分。实验结果表明,本算法的MAE值(平均绝对误差)比基于项目协作过滤算法低0.05,比基于资源分配的算法低0.02。3.设计并实现一个互联网电影推荐系统。推荐系统的功能主要有两个,一是根据用户的历史记录给用户推荐个性化电影列表;二是根据用户实时点播的电影推荐该电影的相似电影列表。最终,本文实现了一个电影推荐系统,现已应用于安徽广电的互联网视频点播(OTT)业务。