改進的協同過濾算法在電影推薦系統中的應用

劉文佳 張駿

摘 要：隨著互聯網的快速發展，電影的海量供給和用戶多樣化的需求間的矛盾日趨突出，將個性化推薦技術和電影系統的有機結合對用戶和運營商來說是一個雙贏的局面。主要研究協同過濾算法在電影推薦系統中的應用，協同過濾是目前應用最為廣泛且成功的一種推薦技術，但也暴露出諸多問題，比如數據稀疏性、用戶興趣變化等。通過對基于項目的協同過濾算法的分析，分別引入了共同評分權重函數和時間權重函數對相似度計算方法和預測評分計算方法進行了改進，并通過在Movielens數據集上驗證了改進的協同過濾算法較傳統的協同過濾在推薦準確度上有了明顯的提升。

關鍵詞：協同過濾；電影推薦；相似度；時間因子

中圖分類號：F49 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2018.17.028

1 引言

隨著信息技術的快速發展，互聯網上的資源呈現指數級的增長態勢，“信息過載”問題愈發突出?！靶畔⑦^載”是數據量劇增后的一種必然結果，針對此問題，相關專家學者相繼提出了以分類目錄、搜索引擎、推薦系統為代表的解決方案。不同于前兩種解決方案，需要提前知曉用戶的需求，方能提供信息的查詢結果；推薦系統通過挖掘用戶的行為數據，建立用戶興趣模型，從而主動地提供信息個性化的信息服務，逐漸受到學術界和工業界的關注和研究。目前，Amazon的圖書推薦、Facebook的好友推薦、今日頭條的新聞推薦以及YouTube的視頻推薦等，均取得了不俗的成績。

以電影、電視劇、自制劇等代表的網絡視頻已經成為網民信息獲取和文化消費的主要形態之一，是滿足人民群眾精神文化需求的重要渠道之一?！?br>