登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 计算机类 > 软件工程 > 正文

基于python的电影推荐系统文献综述

 2020-04-15 16:57:08  

1.目的及意义

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 。

{title}

2. 研究的基本内容与方案

{title}

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。


使用语言:python

3. 参考文献

[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.

[2]梁永恩.基于协同过滤算法的电影推荐系统的设计[J].现代计算机(专业版),2018(31):98-100.

[3]融合用户兴趣度与项目相关度的电影推荐算法研究[J]. 俞美华. 电脑知识与技术. 2017(08)

[4]结合类别偏好信息的item-based协同过滤算法[J]. 冷亚军,陆青,张俊岭. 计算机应用研究. 2016(03)

[5]万慧,周涛,鲍胜利.基于社区划分的电影推荐模型[J].计算机应用,2018,38(S2):124-127.

[6]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)

[7]融合用户属性的隐语义模型推荐算法[J]. 巫可,战荫伟,李鹰. 计算机工程. 2016(12)

[8]网上个性化推荐研究述评与展望[J]. 孙鲁平,张丽君,汪平. 外国经济与管理. 2016(06)

[9]个性化推荐系统评估[J]. 刘攀,陈敏刚. 南昌大学学报(理科版). 2016(02)

[10]基于判断聚合模型的推荐系统冷启动问题研究[J]. 李莉,唐晓嘉. 湖北大学学报(哲学社会科学版). 2016(02)

[11]新闻推荐系统中用户冷启动问题的研究[J]. 杨秀梅,孙咏,王美吉,李岩. 小型微型计算机系统. 2016(03)

[12]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华. 软件学报. 2015(06)

[13]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛. 电子科技大学学报. 2012(02)

[14]Recommendation Engine for Predicting Best Rated MoviesVivek P. Khadse, Akhil P, Syed Muzamil Basha, N.Ch.S.N. Iyengar2and Ronnie D. Caytiles3VIT, Vellore-6320142Sreenidhi Institute of Science and Technology, Ghatkesar, Hyderabad, India3Multimedia Engineering Department, Hannam University, Daejeon, Koreasrimannarayanach@sreenidhi.edu.in

[15]TANGENT:ANovel,“Surprise-me”,RecommendationAlgorithmKensukeOnumaSonyCorporation1-7-1Konan,Minato-kuTokyo, JapanKensuke.Oonuma@jp.sony.comHanghang TongCarnegie Mellon University5000 Forbes AvenuePittsburgh, PA US
htong@cs.cmu.eduChristos FaloutsosCarnegie Mellon University5000 Forbes Avenueittsburgh, PA USAchristos@cs.cmu.edu

[16]Movie Recommendations from User RatingsHans Bystr#246;mStanford Universitybystrom@stanford.edu


1.目的及意义

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 。

{title}

2. 研究的基本内容与方案

{title}

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。


使用语言:python

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图