基于协同过滤的电影推荐.doc

《基于协同过滤的电影推荐.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于协同过滤的电影推荐摘要在海量网络资源中，用户为了寻找喜欢的视频往往需要进行频繁操作，个性化推荐服务可以有效解决该问题，但当前推荐服务准确度较低，为此，提出一种基于协作过滤的改进推荐方法。根据相似用户群，即邻居集的点播记录确定当前用户的推荐电影子集，挖掘当前用户的喜好，建立兴趣模型，并与推荐子集中的电影进行匹配，按匹配度高低进行推荐。对推荐电影子集进行分类，以适应家庭中多用户观看的情况。另外在系统运行初期采用相似影片的推荐以一定程度地缓解冷启动问题。实验结果表明，与现有协作过滤算法相比，改进推荐方法的推荐准确度有明显提高

2、。关键词协同过滤相似度矩阵预测推荐MovieRecommendationCollaborativeFilteringAbstractUserslookingforafavoritevideoinvastamountsofnetworkresourcesoftenneedfrequentoperating,andpersonalizedrecommendationservicecanbeaneffectivesolutiontothisproblem.Againstthecurrentlowerrecommendationa

3、ccuracy,thispaperpresentsanimprovedrecommendationmethodbasedoncollaborativefiltering.Itdeterminesamoviessubsetthatisrecommendedaccordingtothepastrecordsofsimilarusersnamelyneighborsset.Thenitminesthepreferencesofcurrentuser,establishestheinterestmodelofcurrentuser

4、,andmatcheswiththemoviestorecommend.Recommendationisinaccordancewiththelevelofmatchingdegree.Afterwards,itclassifiesthefilmsetsthatarerecommendedtoadapttomulti-userviewinginfamilies.Additionally,itrecommendssimilarfilmsinthesystemearlyrunningtosolvethecold-startpr

5、obleminacertaindegree.Experimentalresultsshowthattheimprovedrecommendedmethodhasdistincthigherrecommendationaccuracythantheexistingcollaborativefilteringalgorithm.KeywordsCollaborativeFilteringsimilarmatrixpredictionRecommendation1引言随着互联网技术的发展，人们走进了信息时代。互联网上的丰富资源使

6、人们的生活更加丰富多彩。其中影响最大的形式之一是网络电视。网络电视(NetworkTelevision,NTV)是以宽带网络为载体、以视音频多媒体为形式、以互动个性化为特性，为所有宽带终端用户提供全方位有偿服务的业务。网络电视可以使用机顶盒和电视机作为用户终端，用户通过机顶盒遥控器来选择网络电视节目。[1]网络上的视频资源是海量的，用户为了看到自己喜欢的电影可能要不断的搜索。如果能够主动地向用户推荐一些他们有可能喜欢的电影，那么就可以大大提高用户体验。电影推荐系统通常是主动式推荐。[2]通过对用户以往数据的分析，发现用户的

7、洗好，进而预测用户有可能喜爱的电影。2相关工作2.1基于关联规则的推荐技术基于关联规则的推荐(AssociationRule-basedRecommendation)是以关联规则为基础，把已购商品作为规则头，规则体为推荐对象。关联规则挖掘技术是数据挖掘领域的中研究内容之一[26]，它可以发现不同商品在销售过程中的相关性，在零售业中已经得到了成功的应用。管理规则就是在一个交易数据库中统计购买了商品集X的交易中有多大比例的交易同时购买了商品集Y，其直观的意义就是用户在购买某些商品的时候有多大倾向去购买另外一些商品。比如购买牛奶

8、的同时很多人会同时购买面包。基于关联规则的推荐算法分为离线的关联规则推荐模型建立阶段和在线的关联规则推荐模型应用阶段。离线阶段使用各种关联规则挖掘算法(例如Apriori、AIS、FP-growth算法等)计算用户交易数据库中各种商品在销售过程中之间的相关性，生成规则，这些关联关系表明，通常在某次交易中