摘要：随着互联网的快速发展与普及，大多数人更愿意在网络上观看电影。然而面对大量网络信息，如何快速检索出想要的影片信息是首先要解决的。众所周知，电影资源是网络资源的组成部分，随着网络上电影资源的数量越来越大，我们急切需要一个电影推荐系统，本文旨在为每一个用户推荐与其兴趣爱好相符的电影。

首先本文阐述了该系统在当代社会的研究意义，随后介绍相关的算法。其中重点介绍协同过滤算法，同时对系统实现技术的研究，接着介绍整个系统的实现，最后对整个项目进行回顾和总结。

本系统包含四类模块：1)前端界面展示，2)电影评分板块，3)算法的实现，4)后端数据库设计。其中实现算法是本系统的核心内容，系统采用从国内知名电影评分网站“豆瓣网”整理的数据集，该数据集包含了500多个用户对8000多部电影所包含的10万条评分数据。首先将收集到的数据经过筛选存入数据库中，同时将得到的数据集按一定比例分为训练集和测试集，对训练集进行算法分析生成Top-N电影推荐列表，然后在测试集对算法进行评测，至少包括准确率和召回率两项评测指标。

本文将对系统进行具体需求分析，并对需求进行相关设计，同时给出了系统所用的主要数据表展示以及各个功能界面的展示。

关键词：协同过滤算法；电影推荐系统；大数据技术

目录

摘要

Abstract

引    言-1

1  绪论-2

1.1  研究背景及意义-2

1.2  国内外研究现状-2

1.3  本文研究目标和研究内容-4

1.4  论文结构安排-5

2  推荐算法的研究-6

2.1  算法简介-6

2.1.1 协同过滤算法-6

2.1.2 基于内容的推荐算法-6

2.1.3基于标签的推荐算法-7

2.2  算法的实现-7

2.2.1 基于用户的协同过滤算法-7

2.2.2 基于物品的协同过滤算法-7

2.3  相似度计算-8

2.4  算法指标评测-9

2.4.1 评估预测-9

2.4.2 TOP推荐-9

3  系统相关技术研究-10

3.1 系统实现技术研究-10

3.1.1 Python语言研究-10

3.1.2 Django框架-10

3.1.3 Scrapy框架-12

3.1.4 MySQL数据库研究-14

3.2 实验设计及结果分析-14

3.2.1 实验环境-14

3.2.2 实验设计-14

4  系统的设计与实现-19

4.1 主流视频网站推荐系统调研-19

4.2 需求分析-22

4.3 用户需求-22

4.4 推荐系统设计-23

4.4.1 系统总架构-23

4.4.2 功能模块简述-24

4.5 数据库设计-27

4.5.1 数据集源-27

4.5.2 数据库逻辑结构设计-28

4.5.3 系统E-R图-30

4.5.4 数据表的设计-30

5  结论-32

5.1 总结-32

5.2 反思与未来展望-32

参 考 文 献-33

附录A：代码-34