隨著我國(guó)互聯(lián)網(wǎng)科技的發(fā)展與信息化建設(shè)迅速推進(jìn),電影行業(yè)得到空前發(fā)展。傳統(tǒng)的電影售票模式主要以人工售票為主,該電影票務(wù)管理模式有很多弊端。從用戶(hù)的角度而言,用戶(hù)無(wú)法享受便捷的服務(wù)體驗(yàn)。同時(shí),不了解其興趣的用戶(hù)或者對(duì)其興趣了解很模糊的用戶(hù)無(wú)法在購(gòu)票的過(guò)程中快速地定位其真正感興趣的電影,從而造成時(shí)間的浪費(fèi);從影院的角度而言,各個(gè)影院的管理效率低下、耗費(fèi)成本高、經(jīng)營(yíng)管理水平滯后;從服務(wù)提供商的角度而言,沒(méi)有平臺(tái)能夠幫助其將電影作品迅速地導(dǎo)向市場(chǎng)。為了實(shí)現(xiàn)三方共贏局面、滿(mǎn)足三方需求,基于協(xié)同過(guò)濾的電影票務(wù)系統(tǒng)應(yīng)用而生。作者通過(guò)對(duì)電影票務(wù)系統(tǒng)的需求進(jìn)行調(diào)研,在需求分析和前期的技術(shù)研究基礎(chǔ)上進(jìn)行了電影票務(wù)系統(tǒng)架構(gòu)設(shè)計(jì)、功能模塊設(shè)計(jì)和數(shù)據(jù)庫(kù)設(shè)計(jì),實(shí)現(xiàn)了基于協(xié)同過(guò)濾的電影票務(wù)系統(tǒng)。本課題作者獨(dú)立設(shè)計(jì)并實(shí)現(xiàn)了如下五大模塊:（1）用戶(hù)信息維護(hù)模塊:本模塊主要實(shí)現(xiàn)用戶(hù)對(duì)個(gè)人信息維護(hù)功能。（2）電影票務(wù)推薦模塊:本模塊主要實(shí)現(xiàn)電影票務(wù)推薦功能,系統(tǒng)會(huì)根據(jù)用戶(hù)行為定位用戶(hù)興趣,從而實(shí)現(xiàn)為用戶(hù)進(jìn)行個(gè)性化電影推薦的目的。本課題中,電影票務(wù)推薦模塊采用改進(jìn)以后的基于用戶(hù)的協(xié)同過(guò)濾算法來(lái)支撐其推薦功能。傳統(tǒng)的基于用戶(hù)的協(xié)... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：99 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１基于用戶(hù)的協(xié)同過(guò)濾算法流程圖??Ｆｉｇｕｒｅ?２－１?Ｕｓｅｒ－ｂａｓｅｄ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??

距離原則分配到最近鄰的簇中；第三、使用每一個(gè)簇內(nèi)樣本數(shù)據(jù)的均值作為新的??聚類(lèi)中心；第四、重復(fù)第二和第三兩個(gè)步驟，直到聚類(lèi)中心不再發(fā)生改變。Ｋｍｅａｎｓ??算法流程圖如圖２－２所示。???＾?????設(shè)置聚類(lèi)個(gè)數(shù)和初始化聚類(lèi)中心??，??—??＂Ｉ—一．—．—?丨??根據(jù)最離原則，將距離聚類(lèi)￥心最近的樣本點(diǎn)分？Ｅ到此聚類(lèi)中心所在簇卜－??一＾７７?．．二?Ｊ?一一??１計(jì)算￥的聚類(lèi)中心｜???ＹＥＳ???ＮＯ??圖２－２?Ｋｍｅａｎｓ算法流程圖??Ｆｉｇｕｒｅ?２－２?Ｋｍｅａｎｓ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??（２）歐式距離度量??在Ｋｍｅａｎｓ算法距離度量中，本文使用歐式距離度量見(jiàn)式（２－３）。??Ｄｉｓ?＝?－｝；）２?＋?（Ｘ２?－?Ｙ２?ｆ?＋．．．（Ｘｎ－Ｙ？）２?（２－３）??２．２算法評(píng)測(cè)指標(biāo)??算法性能的優(yōu)劣直接影響著用戶(hù)對(duì)推薦結(jié)果的滿(mǎn)意度，為了能夠提升用戶(hù)滿(mǎn)??意度，本文對(duì)基于用戶(hù)的協(xié)同過(guò)濾算法和Ｋｍｅａｎｓ聚類(lèi)算法進(jìn)行評(píng)測(cè)，通過(guò)推薦算??法評(píng)測(cè)指標(biāo)和聚類(lèi)算法評(píng)測(cè)指標(biāo)的實(shí)際結(jié)果來(lái)不斷調(diào)整算法狀態(tài)。其中，推薦算??法評(píng)測(cè)指標(biāo)包括準(zhǔn)確率、召回率、流行度和計(jì)算時(shí)長(zhǎng)，聚類(lèi)算法評(píng)測(cè)指標(biāo)為輪廓??系數(shù)。本文在后續(xù)部分重點(diǎn)敘述上述五個(gè)評(píng)測(cè)指標(biāo)。??２．２．１?推薦算法評(píng)測(cè)指標(biāo)??完成推薦行為一般需要三個(gè)參與方

３．１系統(tǒng)總體功能模塊??本文從整體上將電影票務(wù)系統(tǒng)劃分為五大功能模塊，分別為用戶(hù)信息維護(hù)模??塊、電影票務(wù)推薦模塊、電影票務(wù)預(yù)訂模塊、電影票務(wù)評(píng)分模塊和后臺(tái)管理模塊。??系統(tǒng)總體功能模塊如圖３－１所示。??

【參考文獻(xiàn)】：
期刊論文
[1]基于長(zhǎng)尾理論的物品協(xié)同過(guò)濾Top-N推薦算法[J]. 劉向舉,袁煦聰,劉鵬程.  齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]高話(huà)務(wù)場(chǎng)景負(fù)載均衡策略研究及實(shí)踐[J]. 劉毅,劉紅梅,牛海濤,張振剛.  電信技術(shù). 2019(02)
[3]協(xié)同過(guò)濾算法中冷啟動(dòng)問(wèn)題研究[J]. 邵煜,謝穎華.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[4]基于K-means聚類(lèi)算法優(yōu)化方法的研究[J]. 劉葉,吳晟,周海河,吳興蛟,韓林嶧.  信息技術(shù). 2019(01)
[5]一種基于用戶(hù)的協(xié)同過(guò)濾推薦算法[J]. 張雙慶.  電腦知識(shí)與技術(shù). 2019(01)
[6]SpringBoot框架在web應(yīng)用開(kāi)發(fā)中的探討[J]. 呂宇琛.  科技創(chuàng)新導(dǎo)報(bào). 2018(08)
[7]基于大數(shù)據(jù)崗位需求的文本聚類(lèi)研究[J]. 劉睿倫,葉文豪,高瑞卿,唐夢(mèng)嘉,王東波.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(12)
[8]個(gè)性化推薦系統(tǒng)綜述[J]. 劉輝,郭夢(mèng)夢(mèng),潘偉強(qiáng).  常州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[9]個(gè)性化推薦系統(tǒng)評(píng)測(cè)指標(biāo)與實(shí)驗(yàn)方法研究[J]. 吳海霞,何苑,路璐.  晉中學(xué)院學(xué)報(bào). 2015(03)

碩士論文
[1]B公司基于協(xié)同過(guò)濾算法的零售商品推薦系統(tǒng)研究[D]. 胡波.北京交通大學(xué) 2018
[2]基于協(xié)同過(guò)濾的個(gè)性化推薦技術(shù)研究[D]. 龐海龍.長(zhǎng)春工業(yè)大學(xué) 2018
[3]基于Spark的個(gè)性化電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 龐帆棟.東南大學(xué) 2017
[4]基于用戶(hù)聚類(lèi)的協(xié)同過(guò)濾推薦算法研究[D]. 明小紅.北京交通大學(xué) 2017
[5]基于協(xié)同過(guò)濾的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 黃宇.北京交通大學(xué) 2015
[6]綜合用戶(hù)特征的協(xié)同過(guò)濾推薦算法的研究[D]. 馮旻遠(yuǎn).南京郵電大學(xué) 2014



本文編號(hào)：3034027