基于python的电影推荐系统开题报告
2020-02-20 10:11:32
1. 研究目的与意义（文献综述）
随着互联网的普及，网民也在增加。数据内容增加。这会导致用户重载大量信息。推荐引擎通过对这个大的分类来帮助处理这种过载信息，以后可用于推荐。这些日子推荐系统可以在各种服务中找到，例如新闻，音乐，电影，网上购物网站等等。推荐系统是一个寻求预测“评级”或信息过滤系统的子类用户将给予项目的“偏好”。推荐系统近年来越来越受欢迎，并被用于各种领域，包括电影，音乐，新闻，书籍，研究文章，搜索查询，社交标签和产品。还有针对专家，合作者的推荐系统，笑话，餐馆，服装，金融服务，人寿保险，浪漫伴侣，
和twitter页面。推荐系统通常会生成一个列表建议采用两种方式之一———— 通过协作和基于内容的方式过滤或基于个性的方法。协作过滤方法根据用户过去的行为（先前购买或选择的项目）构建模型和/或给予这些项目的数字评级）以及由此作出的类似决定。然后，该模型用于预测项目（或项目的评级）用户可能的兴趣。基于内容的过滤方法使用一系列项目的离散特征，以便推荐其他项目类似的属性。这些方法经常结合起来。推荐系统是一个搜索算法的有用替代方法，因为它们可以帮助用户发现他自己找到了自己真正感兴趣的电影。
个性化推荐研究直到 20 世纪 90 年代才被作为一个独立的概念提出来.最近的迅猛发展, 来源
于 web2.0 技术的成熟 .有了这个技术, 用户不再是被动的网页浏览者 , 而是成为主动参与者 .在
一个实际的推荐系统中需要推荐的产品可能会有成千上 万, 甚 至 超过 百 万, 例 如 amazon , ebay ,
youtube 等 , 用户的数目也会非常巨大.准确 、 高效的推荐系统可以挖掘用户潜在的消费倾向 , 为众
多的用户提供个性化服务 .在日趋激烈的竞争环境下 , 个性化推荐系统已经不仅仅是一种商业营销手
段, 更重要的是可以增进用户的黏着性 .个性化推荐系统已经给电子商务领域带来巨大的商业利益 。
2. 研究的基本内容与方案
1.数据抓取：抓取客户在网上购买的电影类型以及记录客户的相关操作数据。
2.选择合适的推荐算法。
3.根据抓取的数据，利用推荐算法的相关计算，对客户进行电影推荐。
拟采用爬虫获取用户购票信息，分析类型，最后通过算法得出推荐电影。
3. 研究计划与安排
(1)2019/1/11—2019/1/22：查阅参考文献，明确选题；
(2)2019/1/23—2019/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告；
(3)2019/3/8—2019/4/26：需求分析，算法或系统设计，分析、比较或实现等；
(4)2019/4/27—2019/5/27：撰写论文初稿；修改论文，定稿并提交论文评审；
(5)2019/5/28—2019/6/7：准备论文答辩。
4. 参考文献（12篇以上）
| [1]刘慧,李凤银,禹继国,崔璨,葛睿.基于影评挖掘的电影推荐系统设计与实现[J].电子技术,2018,47(12):83-86.
|
