基于协同过滤算法的个性化推荐系统的设计与实现

信息与电脑2018年第11期China Computer&Communication算法语言基于协同过滤算法的个性化推荐系统的设计与实现李诗羽（北方工业大学，北京　100144）摘　要：随着互联网时代的飞速发展，互联网的信息过载问题逐渐成为人们研究的重点。为了帮助信息的消费者从纷乱的信息中挑选出对其有价值的信息，同时，也为了帮助信息的生产者将信息更为有效地转化为效益，推荐系统便应运而生。笔者主要阐述了个性化推荐系统的概念，针对电影领域，结合协同过滤算法设计并实现了个性化电影推荐系统，实现了对用户的个性化推荐。关键词：推荐系统；协同过滤；个性化；电影推荐中图分类号：TP391.3　　文献标识码：A　　文章编号：1003-9767（2018）11-053-02Design and Implementation of Personalized Recommendation System Based on Collaborative Filtering AlgorithmLi ShiyuAbstract: With the rapid development of the Internet era, the problem of information overload on the Internet has gradually (North China University of Technology, Beijing 100144, China)become the focus of people's research. In order to help consumers of information to pick out information that is valuable to them from the chaotic information, and to help the producers of information to convert information into benefits more effectively, the recommendation system based on collaborative filtering algorithm, and achieves personalized recommendations for users.recommendation system emerged. The author mainly focuses on the field of film. It designs and implements a personalized movie Key words: recommender system; collaborative filtering; personalization; movie recommendations１　引言本文基于协同过滤算法设计并实现了电影的个性化推荐随着互联网的迅速发展，获取信息对互联网用户来说已系统。在该系统中，用户可以根据自己的喜好对系统中的影不是难事，人们每天都会通过互联网接收到各种各样的资讯。片进行评分，在和系统逐步交互的过程中，得到良好的电影在互联网给人们带来便捷的同时，产生一系列问题，信息过推荐效果，同时，也能帮助站点缓解网络负载问题[4]。载问题[1]就是其中之一。面对众多纷乱的过载信息，如何从２　相关基本概念中筛选有效的信息加以利用成为人们所关注的问题。基于此，推荐系统应运而生，推荐系统的出现在一定程度上降低了信2.1　个性化推荐系统息过载问题所产生的影响，其可以帮助人们在众多纷乱的信个性化推荐系统是建立在海量数据挖掘基础上的一种智息中更快地筛选出有效信息，对用户的兴趣进行挖掘[2]，提能平台，可以模拟商店销售人员向顾客提供商品信息和建议，升用户的使用体验。为顾客购物提供完全个性化的决策支持和信息服务，它的目同时，随着移动终端日益普及，人们可以轻松地在网络标是既满足用户意识到的需求，也能满足用户没有意识到的上获取各种电影资源，且资源庞大、种类多样[3]，用户从众需求，或意识到但没有表达出来的需求，让用户超越个体的多影片中挑选出自己所喜爱的电影的困难程度也随之增加，视野，避免只见树木不见森林。好的推荐系统可以大大提高个性化推荐也变得更加重要。用户的忠诚度，并为电子商务带来巨大的利益。作者简介：李诗羽（1993-），女，河北沧州人，硕士研究生。研究方向：虚拟现实技术。 —　　　５３　　　—算法语言信息与电脑China Computer&Communication2018年第11期2.2　协同过滤算法3.2　数据库设计协同过滤（Collaborative Filtering，CF）是推荐系统中数据库用于存储用户行为数据、用户信息以及电影信息一类重要方法，其主要原理是对用户的历史采样数据进行分等数据，系统使用MySQL数据库存储数据，数据库包括以析，从而归纳出合理的模型。下几个部分：用户信息表，主要包含用户的具体信息；电影在早期的协同过滤算法中，主要考虑用户的需求，称之信息表，其中包含电影的具体信息；评分信息表，其中包含为User-based Collaborative Filtering[5]。从本质上考虑，这个用户对电影的相关评分信息。算法提取用户的爱好，充分考虑了喜好的相关性，然后通过相关性分析，对用户兴趣进行预测并提出可行建议。3.3　系统功能实现从另外一个角度来看，协同过滤算法重点考虑了产品的电影推荐系统的登录模块包含登录和注册两个功能。已特性，称之为Item-based Collaborative Filtering[6]。这个算法注册的用户可以通过输入正确的登录信息进入个性化推荐系主要思想是认为用户会喜欢和其喜好的产品做比较，从而得统，若输入的用户名或密码错误会弹出提示信息要求重新输出推荐列表。入。未登录的用户可以以游客身份进入系统，但不具有注册用户所拥有的个性化推荐的功能。３　电影个性化推荐系统的设计与实现未注册的用户可以点击登录界面的“注册”按钮跳转至3.1　总体架构设计注册界面。在正确输入注册信息后便可进入个性化推荐系统。本文对于系统逻辑体系方面的机构，是从底部向上层区电影推荐系统的核心部分为用户可针对电影进行评分，分的，有存储层、业务层等四个层次。其结构如图1所示。在评分模块，用户可在所选电影界面进行评分，查看评分相关信息，并对电影评分进行修改等操作。４　结　语本文针对目前的信息过载问题和用户对于电影推荐的个性化需求，设计并实现了基于协同过滤算法的个性化推荐系统。分别从系统的系统设计以及系统的实现这两方面出发，阐述了电影个性化推荐系统的设计与实现。该系统可根据用户的评分信息为用户制定个性化推荐的策略，为用户个性化推荐电影。参考文献[1]李勇,徐振宁,张维明.Internet个性化信息服务研究综述[J].计算机工程与应用,2002(19):183-188.[2]刘建国,周涛,汪秉宏.个性化推荐系统的研究进展[J].图１　系统逻辑体系结构自然科学进展,2009(1):1-15.存储层。在这一层当中利用了MySQL存储用户的数据，[3]张月蓉.基于混合推荐的电影推荐系统的研究与实现其中包含用户的注册信息、电影信息、评分信息，还有利用[D].合肥:安徽大学,2013.推荐算法所得的预测结果。本层提供了数据存储服务，对数[4]朱小琴.个性化电影推荐系统的研究与实现[D].泉州:据备份了很多份，用这种方式提高数据的安全性。华侨大学,2013.推荐算法层。该层负责处理用户历史数据，与具体的业[5]Shardanand U, Maes P. Social information filtering: 务流程无关。algorithms for automating “word of mouth”[C]// Sigchi 业务层。这一层主要功能是接受用户请求，然后和其余Conference on Human Factors in Computing Systems. 1995: 层结合起来以完成用户请求。在这个系统当中，业务层主要210-217.实现了对用户或者电影的管理。[6]Golbandi N, Koren Y, Lempel R. Adaptive bootstrapping 应用层。这一层当中主要提供的服务为网络服务，能够of recommender systems using decision trees[C]// ACM 与用户进行直接的交互。本层中，只需要关注用户需求的具International Conference on Web Search and Data Mining. 体是什么内容，不需要关注其他层的实现。2011:595-604.—　　　５４　　　—