本文關(guān)鍵詞：基于圖數(shù)據(jù)庫的電影推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

  更多相關(guān)文章： 電影推薦 加權(quán)分類 圖數(shù)據(jù)庫

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,信息過載越來越嚴(yán)重,想從網(wǎng)絡(luò)中獲取對自己有用的信息越來越難,但同時(shí)也越來越重要。搜索引擎雖然能在一定程度上幫助用戶從海量信息中尋找自己需要的信息,卻不能完全解決信息過載的問題,當(dāng)用戶無法準(zhǔn)確描述自己所需要的信息時(shí),就需要借助推薦系統(tǒng)來幫助用戶從大量信息中尋找對用戶有價(jià)值的信息。在多媒體領(lǐng)域,用戶同樣面臨著如何從大量的電影中找到自己真正喜歡的電影,所以個(gè)性化電影推薦的研究對于解決當(dāng)前電影領(lǐng)域內(nèi)信息過載具有非常重要的價(jià)值和意義。 在此背景下,本文基于經(jīng)典的用戶協(xié)同過濾算法,進(jìn)行了結(jié)合加權(quán)分類的混合式推薦算法的研究。首先,本文分析了當(dāng)前推薦系統(tǒng)中普遍使用的各種算法,包括經(jīng)典的內(nèi)容過濾、基于用戶或物品的協(xié)同過濾等算法,并分析比較各自的利弊。其次,結(jié)合電影自身的特點(diǎn),提出一種通過為電影的分類賦予一定的權(quán)值,分析用戶的歷史評分?jǐn)?shù)據(jù),挖掘用戶對特定分類的潛在偏好信息,然后配合基于用戶的協(xié)同過濾算法組合成一種混合式電影推薦的改善算法。最后利用MovieLens的數(shù)據(jù)集,設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)基于加權(quán)分類和用戶協(xié)同過濾算法的混合式推薦演示系統(tǒng),該系統(tǒng)以Spring Boot以及Spring Data Neo4j為基礎(chǔ)框架,以Neo4j圖形數(shù)據(jù)庫存儲和處理數(shù)據(jù)為核心,通過Web的方式用圖形化界面展示推薦結(jié)果。 本文提出的算法對電影推薦系統(tǒng)的研究具有一定的參考價(jià)值,為分類賦予一定權(quán)值的思想可運(yùn)用在其他上下文信息上或其他領(lǐng)域內(nèi)的推薦系統(tǒng)中,最后實(shí)現(xiàn)的系統(tǒng)也可以作為相關(guān)推薦系統(tǒng)的演示系統(tǒng)。
【關(guān)鍵詞】：電影推薦 加權(quán)分類 圖數(shù)據(jù)庫
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 緒論7-13
• 1.1 研究背景7-9
• 1.2 研究現(xiàn)狀9-11
• 1.3 研究內(nèi)容11-12
• 1.4 論文結(jié)構(gòu)12-13
• 第二章 背景知識13-25
• 2.1 用戶行為數(shù)據(jù)13-14
• 2.1.1 用戶行為數(shù)據(jù)概述13-14
• 2.1.2 用戶行為數(shù)據(jù)分析14
• 2.2 相似度計(jì)算14-16
• 2.2.1 歐式距離14-15
• 2.2.2 余弦相似度15
• 2.2.3 調(diào)整余弦相似度15-16
• 2.2.4 皮爾森相關(guān)系數(shù)16
• 2.3 推薦系統(tǒng)基礎(chǔ)算法16-20
• 2.3.1 推薦系統(tǒng)算法概述16-17
• 2.3.2 基于用戶的協(xié)同過濾算法17
• 2.3.3 基于物品的協(xié)同過濾算法17-18
• 2.3.4 基于內(nèi)容的推薦算法18-19
• 2.3.5 推薦系統(tǒng)基礎(chǔ)算法對比19-20
• 2.4 圖數(shù)據(jù)庫20-23
• 2.4.1 圖數(shù)據(jù)庫概述20-21
• 2.4.2 Neo4j圖數(shù)據(jù)庫21-22
• 2.4.3 Cypher查詢語言22-23
• 2.5 本章小結(jié)23-25
• 第三章 加權(quán)分類的電影推薦系統(tǒng)的理論25-31
• 3.1 加權(quán)分類的用戶興趣提取25-26
• 3.2 基于用戶的協(xié)同過濾26-27
• 3.3 加權(quán)分類的用戶興趣提取和基于用戶的協(xié)同過濾的組合推薦算法27-29
• 3.4 本章小結(jié)29-31
• 第四章 加權(quán)分類的電影推薦系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)31-47
• 4.1 系統(tǒng)概述31
• 4.2 技術(shù)選型31-34
• 4.3 系統(tǒng)設(shè)計(jì)34-43
• 4.3.1 系統(tǒng)功能設(shè)計(jì)34-35
• 4.3.2 系統(tǒng)UI設(shè)計(jì)35-38
• 4.3.3 圖模式設(shè)計(jì)38-39
• 4.3.4 算法實(shí)現(xiàn)設(shè)計(jì)39-43
• 4.4 系統(tǒng)實(shí)現(xiàn)43-46
• 4.5 本章小結(jié)46-47
• 第五章 總結(jié)和展望47-49
• 附錄49-57
• 項(xiàng)目中的部分主要核心代碼49-57
• 業(yè)務(wù)數(shù)據(jù)庫操作類49-52
• 業(yè)務(wù)服務(wù)類52-54
• 業(yè)務(wù)控制類54-57
• 參考文獻(xiàn)57-61
• 致謝61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 游文;葉水生;;電子商務(wù)推薦系統(tǒng)中的協(xié)同過濾推薦[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年09期

，

本文編號：887214