摘要：随着国民经济的高速发展，人们对物质生活的需求逐渐呈现个性化、多样化的发展趋势。为帮助人们快速从冗杂的商品中过滤出对自身有价值的信息，推荐系统技术应运而生。推荐系统旨在根据用户的兴趣个性化地为其推荐所需的商品信息。

针对传统推荐算法所存在的冷启动、解释性不足和数据稀疏等问题，本文提出了一种基于兴趣加权和协同过滤的组合推荐算法，该算法在协同过滤算法的基础上引入了知识图谱和元路径的概念，结合兴趣加权和协同过滤的双重特点提升推荐效果。基于本文提出的兴趣加权和协同过滤的组合推荐算法，使用 Spring Boot、Bootstrap 等前后端技术搭建了一套个性化电影推荐系统，设计并实现了电影首页、登录注册、电影可视化、电影推荐、个人主页和系统管理六大功能模块。

 

关键词：知识图谱；元路径；兴趣加权；推荐系统

 

 

目录

摘要

Abstract

第 1 章 绪 论 1

1.1研究背景及意义 1

1.2国内外研究现状 2

1.2.1推荐技术研究现状 2

1.2.2知识图谱研究现状 3

1.2.3基于知识图谱的推荐技术研究现状 3

1.3本文结构 4

1.3.1主要研究内容 4

1.3.2论文的组织结构 5

第 2 章 相关理论和方法介绍 6

2.1知识图谱构建技术 6

2.1.1知识建模 6

2.1.2知识抽取 7

2.1.3知识表示 8

2.1.4知识存储 8

2.2个性化推荐算法 8

2.2.1基于用户的协同过滤算法 9

2.2.2基于物品的协同过滤算法 10

2.2.3基于模型的协同过滤算法 12

2.2.4基于内容的推荐算法 13

2.2.5混合推荐算法 14

2.2.6算法对比与分析 14

2.3本章小结 15

第 3 章 系统设计与实现 16

3.1系统设计 16

3.1.1系统架构设计 16

3.1.2系统功能设计 17

3.2豆瓣电影数据采集 28

3.3基于 Neo4j 的知识图谱构建 31

3.3.1图数据库概述 31

3.3.2电影领域知识图谱的设计 31

3.3.2电影领域知识图谱的存储 33

3.4兴趣加权和协同过滤的组合推荐算法设计 35

3.4.1初始标签加权算法 35

3.4.2兴趣加权算法 36

3.4.3融合协同过滤推荐 40

3.5本章小结 41

第 4 章 系统测试与分析 42

4.1系统测试 42

4.1.1功能测试 42

4.1.2性能测试 44

4.2算法测试 45

4.2.1算法测试环境 45

4.2.2评价指标 46

4.2.3实验结果与分析 47

4.3本章小结 50

第 5 章 总结和展望 51

致 谢 52

参考文献 53