摘 要

这些年来，自互联网技术兴起之后，我们的周围便处处充斥着各种各样的信息。信息时代产生了大量的数据，大数据一词与我们的生活息息相关，而如何从海量的数据中挖掘到有效的信息则成为人们研究的重点。正如在影视资源领域，电影数据的迅速增长，使得用户对于系统信息检索的能力要求不断提高，人们希望能够从数以万计的电影作品中找到自己喜欢的内容，由此个性化推荐算法得到迅速发展。

本文首先介绍了个性化推荐的相关技术，对推荐系统的结构进行了分析。基于课题，本文通过举例具体讲解了作为经典关联规则挖掘算法之一的Apriori算法，更好地对关联规则挖掘算法作了介绍，进而分析了在进行数据挖掘中应用Apriori算法的优势与存在的一些问题。

本文采用经典的Apriori算法设计了一个电影推荐系统，用户可以通过电影推荐系统搜索目标电影，而后对自己已观看的电影给出评分，而系统算法将通过用户评分过的电影为用户生成个性化电影推荐。最后从系统功能与数据库等几个模块的设计展示已实现的个性化电影推荐系统。电影推荐系统解决了用户面对大量影视资源的时候出现的无法快速准确地找到满足个人偏好的影视资源的问题。在现实中电影推荐系统的实现具有极大的价值与意义。

关键词：个性化电影推荐；关联规则；Apriori算法；数据挖掘

Abstract

Over the years, since the rise of Internet technology, we have been surrounded by all kinds of information. The information age has produced a large amount of data, the word big data is closely related to our life, and how to mine effective information from the massive data has become the focus of people's research. Just as in the field of film and television resources, the rapid growth of film data has made users increasingly demanding for the ability of system information retrieval. People hope to find their favorite content from tens of thousands of films, thus personalized recommendation algorithm has developed rapidly.

This paper first introduces the relevant technology of personalized recommendation and analyzes the structure of the recommendation system. Based on the topic, this paper explains the Apriori algorithm, one of the classical association rule mining algorithms, through examples, and makes a better introduction to the association rule mining algorithm, and then analyzes the advantages and problems of using Apriori algorithm in data mining.

In this paper, the classic Apriori algorithm is used to design a movie recommendation system. Users can search for target movies through the movie recommendation system, and then score the movies they have watched. The system algorithm will generate personalized movie recommendation for users based on the movies they have rated. Finally, from the system function and database and other modules of the design to show the realization of personalized movie recommendation system. The movie recommendation system solves the problem that users cannot find the movie resources that meet their personal preference quickly and accurately when they are faced with a large number of movie resources. In reality, the realization of movie recommendation system has great value and significance.

Key Words：Personalized movie recommendation；Association rules；

Apriori algorithm； Data mining

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究概况 2

1.3 研究内容及方法 3

1.4 论文结构 3

第2章 基于数据挖掘的个性化推荐相关技术 5

2.1 数据挖掘 5

2.2 电影推荐系统概述 5

2.3 电影推荐的数据源 6

2.4 推荐系统的相关技术 7

第3章 电影推荐算法的介绍与研究 8

3.1 关联规则 8

3.1.1 关联规则概念 8

3.1.2 关联规则相关项定义 8

3.2 Apriori算法 9

3.2.1 Apriori算法介绍 9

3.2.2 Apriori算法流程 10

3.2.3 Apriori算法举例说明 12

3.3 实验结果分析 14

3.4 Apriori算法的优缺点 15

第4章 电影推荐系统的设计与实现 16

4.1 需求分析 16

4.1.1 功能需求分析 16

4.1.2 非功能需求分析 17

4.2 开发环境与系统框架 17

4.2.1 系统开发环境 17

4.2.2 系统框架 17

4.3 系统功能模块设计 18

4.4 数据库的设计 19

4.5 系统设计与实现 22

4.6 推荐系统结果分析 25

第5章 总结与展望 26

5.1 论文总结 26

5.2 反思与展望 26

参考文献 27

致 谢 29

绪论

研究背景及意义

自进入信息时代以来，互联网数据呈爆发式增长，人们拥有海量数据，却不能从这些数据中获取到有效的信息，这种现象被称作信息超载。为了更好地利用这些数据，获取到自己想要的信息，数据挖掘技术被提出并得到快速发展，信息超载问题也由此得到了很好的解决。如今数据挖掘在电子商务方面的应用已经获得了巨大的成功，在其它方面普通用户群体也可以通过数据挖掘技术在庞大的信息资源库中获取自己想要的信息。因此数据挖掘的应用不仅可以带来巨大的商业价值，还可以为普通用户带来便利。而随着数据复杂性的增长，数据分析技术也在得到不断地更新与发展，针对不同的数据关系，应用不同的数据挖掘方法可以得到更贴近用户偏好的数据。

2020年4月，第45次《中国互联网络发展状况统计报告》发布，该报告显示，截至2020年3月，我国观看包括短视频在内的网络视频的用户规模增长至8.50亿，占我国网民数量的94.1％^[1]。由于新冠肺炎疫情的爆发，对于网络视频应用，不仅用户规模有所增长，视频软件在线使用时长也有较高的增长。在全民齐心协力闭门不出对抗这一阶段，大量用户不得不借以观看电影或电视剧打发时间。而面对海量的影视资源，大量用户都出现了追剧荒的现象，并出现了“看电影五分钟，找电影两小时”的说法。这些用户都希望能够获得优质影视的推荐。为了解决这一需求，设计一个好的电影推荐系统为用户提供个性化推荐服务是非常有必要的。推荐系统的目的是解决信息时代在影视资源方面出现的信息超载问题，为每一个用户推荐出个人喜好的电影。而对于电影发布者来说，在为用户进行电影推荐的同时，电影信息也可以得到推广。因此设计一个电影推荐系统对于用户与电影发布者来说都是双赢的。