个性化电影推荐系统的设计及实现——协同过滤算法分析
DesignandImplementationofPersonalizedMovie
RecommenderSystem
——CollaborativeFilteringAnalysis
姓名：
学号：
学院：软件学院
系：软件工程
专业：软件工程
年级：
指导教师：
年月
I
摘要
推荐其可能感兴趣的项目。推荐系统已经成为目前解决信息过载最有效的工具之
一。
协同过滤技术是推荐系统最为核心的技术之一，也是目前应用最为广泛和成功的技术。协同过滤算法可以分为基于全局的算法和基于模型的算法两种，其中基于全局的算法主要依赖最近邻算法，又可以分为基于用户的全局算法和基于项
目的全局算法。基于模型的方法则有贝叶斯网络方法、奇异值分解的方法等。
本文以推荐系统的协同过滤算法为研究目标，基于MovieLens数据集，通过对算法MAE值的计算，比较了基于全局的协同过滤算法中不同相似度算法的准确性，以及特征向量维度和迭代次数的对奇异值分解方法的协同过滤算法的影响。
关键词：个性化推荐；协同过滤；MAE值
Ⅱ
Abstract
Astheincreasingpopularityofthenetworktechnologyandtherapiddevelopmentofe-commerce,moreandmoreinformationisfloodinginthenetwork.Howtofindinformationadaptedtotheirneedsinhugeresourceshasbecomethecoreissueofconcernofmanyscholars,expertsandInternetusers.Recommendersystembuildstheusersinterestmodelbasedonthehistoryofuseraccessesandrelatedinformation,filtersthecomplexinformation,providesrecommendationsusersmaybeinterestedin.Recommendersystemhasbecomeoneofthemosteffectivetooltosolve
informationoverload.
Collaborativefilteringisoneofthemostcoretechnologyinrecommendationsystem,andcurrentlythemostwidelyusedandsuccessfultechniqueinthisfieldaswell.Collaborativefilteringalgorithmscanbeclassifiedastheneighbourhoodbasedalgorithmandthemodel-basedalgorithm.Theneighbourhoodbasedfilteringreliedontheglobalnearestneighbouralgorithmcanbedividedintouser-basedfilteringanditem-basedfiltering.Model-basedmethodshaveBayesiannetworkmethod,singular
valuedecompositionmethods,etc.
Inthispaper,thecollaborativefilteringalgorithminrecommendationsystemisourmainlyresearchobjectives.WeuseMovieLensdataset,calculat