背景:现在电影资源是网络资源的重要组成部分,随着网络上电影资源的数量越来越庞大,设计电影个性化推荐系统迫在眉睫。所以本文旨在为每一个用户推荐与其兴趣爱好契合度较高的电影。本系统包含电影前端展示界面、电影评分板块、推荐算法的实现以及后端数据库的设计。其中实现推荐算法是整个电影推荐系统的核心,系统采用爬虫技术和协同过滤算法,是推荐领域最出名也是应用最广泛的推荐算法。所以系统拟采用两种协同过滤算法给出两种不同的推荐结果,一种是基于用户的协同过滤算法,另一种是基于物品的协同过滤算法,用户可以根据两种推荐结果更加合理的选择合适的电影。
任务及要求:
系统任务主要划分为以下五个模块:
1、前端界面模块:利用html、JavaScript和JQuery等技术实现系统界面展示
2、后端服务器模块:利用Java+SpringBoot等技术实现数据的传输交互
3、数据存储模块:使用MYSQL数据库进行数据的存储处理
4、网络爬虫模块:利用python中的requests模块进行请求,pandas库进行数据处理, matplotlib库进行可视化分析
5、机器学习模块:使用pandas, libFM, sklearn完整的数据处理和模型构建、训练、预测
|