摘 要

随互联网技术的发展，网络已经越来越普及，在人们生活中，网络为我们提供了非常大的便利。然而存放在网络中的海量信息却使得人们难以获得他们所需要的信息，造成了“信息过载”问题。搜索引擎是这一问题的解决办法之一。但仍然有其局限性，那就是搜索结果是仅根据输入决定的。为了弥补这一缺陷，由此产生了个性化推荐系统。本文以电影推荐网站为例，以矩阵分解的协同过滤为推荐系统核心算法设计和实现了个性化推荐系统。可以根据用户的历史偏好和行为，为用户推荐符合用户喜好的电影。避免了用户盲目的浏览网页。节约了用户的查询时间，提高了用户对于网站的忠诚度。

论文的主要工作：

（1） 实现协同过滤算法

对协同过滤算法进行介绍和分析。

（2） 实现个性化推荐系统

采用SSH开发框架，以推荐算法为核心设计实现个性化电影推荐网站。。

关键词：协同过滤；SSH框架；电影网站；

Abstract

With the development of Internet technology, the network has become increasingly popular, in people's lives, the network provides us with a very large convenience. However, the massive information stored in the network makes it difficult for people to get the information they need, resulting in "information overload" problem. The search engine is one of the solutions to this problem. But still has its limitations, that is, the search results are only based on the input decision. Personalized referral system in order to subsidize this shortcoming there. This paper takes the film recommendation website as an example, and designs and realizes the personalized recommendation system with the matrix decomposition algorithm as the recommended system core algorithm. Basing on the user's historical preferences and behavior,the system Recommended for users to meet the user's favorite movies. To avoid the user blindly browse the web. Saving the user's query time, improve the user's loyalty to the site.

The main work of the paper:

(1) to achieve collaborative filtering algorithm

The collaborative filtering algorithm is introduced and analyzed.

(2) to achieve personalized recommendation system

Using SSH development framework to recommend the algorithm as the core design to achieve personalized film recommendation site.

Keywords: Collaborative Filtering recommendation;SSH framework; movie site;

目 录

第1章 绪论 6

1.1 研究背景 6

1.2 研究目的及意义 6

1.3 国内外研究现状分析 7

1.4 论文组织结构 8

第2章 需求分析 9

2.1系统所采用的技术 9

2.1.1 Spring框架 9

2.1.2 Struts2框架 9

2.1.3 Hibernate框架 9

2.2 系统功能性需求 10

2.2.1 输入模块 10

2.2.2 输出模块 10

2.2.3 推荐算法模块 10

2.3 系统非功能性需求 10

2.3.1 性能分析 11

2.3.2 可靠性与易用性需求 11

2.3.3 设计约束 11

2.4 可行性分析 11

第3章 系统设计 12

3.1 系统总体设计 12

3.2 数据库设计 13

3.2.1 数据库关系设计 13

3.2.2 数据库表详细设计 13

第四章 系统实现与测试 16

4.1 登录模块实现 17

4.2 注册模块实现 18

4.3 主界面模块实现 19

4.4 类型电影页面实现 20

4.5 电影信息页面实现 21

4.6 电影播放页面实现 22

4.7 电影搜索实现 23

4.8 后台管理修改类型实现 24

4.9 后台管理修改电影信息实现 24

第5章 总结与展望 26

5.1 本文总结 26

5.2 未来展望 26

致 谢 28

参考文献 29

第1章 绪论

1.1 研究背景

随着科学技术的不断进步，互联网也在迅猛发展，进入了“信息时代”，享受“信息时代”所带来的便利。中国互联网络信息中心第三十九次《中国互联网络发展状况统计报告》2016年1月22日发布的显示，截至2016年12月，中国网民规模达7亿3100万，互联网普及率达到53.2%，超过全球平均水平3.1%，超过亚洲平均水平7.6%。庞大的网络用户群体产生了巨量的信息，在信息的洪流之中，用户反而觉得有压力，在信息搜集上所花费的时间和真正在工作中使用信息的时间的比重越来越大。无法有效准确的找到自己想要获取的信息，这就是信息超载（Information Overlord）^[1]。

例如Google，Baidu等“搜索引擎”是解决信息超载问题的常用办法之一，可以为用户提供有效的信息检索和过滤功能，同时为解决信息超载发挥着非常重要的作用。但是搜索引擎是根据关键字查询，无法针对个别用户，提供个性化的服务。为了满足用户个性化需求，推荐系统因此出现^[2]。在各个领域大放异彩，尤其在电子商务上，更是商家的取胜关键。Amazon，淘宝，京东都是使用个性化推荐系统的代表^[3]。个性化系统通过了解客户的需求和喜好，根据客户的浏览记录和购买行为，提供个性化的服务，增强用户的购买体验和对网站的忠诚度。

综上所述，个性化推荐系统作为解决信息超载极具潜力。本文以电影推荐网站为例，采用矩阵分解模型的协同过滤推荐算法，展示个性化推荐系统对于电影推荐网站的重要性。

1.2 研究目的及意义

随着中国电子商务的迅速发展，淘宝，天猫，京东等电子购物平台持续增长，仅2016年11月11日“双十一”活动，天猫一天的营业额就超1000亿人民币。用户打开商城网页，琳琅满目的商品，如此大量的信息，用户并不能完全处理过来，想要找到自己想要的商品总是要花许多时间去查找和甄别，这给用户带来不少的不便。为用户提供个性化，针对性的服务，就成为了电商的目标。网购用户逐渐趋于细分，90后、老年、女性成为消费新动力，电商应提供更精准的服务，来满足不同消费群体的需求^[4]。所以个性化推荐系统就尤为重要了。