摘  要

现在我国网络视频用户规模十分庞大，网络也即将成为用户获取影片的主要来源。越来越多的用户选择网上观看影片，用户如何能够快速的查找到自己感兴趣的影片是本文要解决的问题。本系统是基于Django框架来实现的，通过基于用户和基于物品的协同过滤算法来实现电影推荐功能。在该系统中前端是通过JQuery框架和Bootstrap3框架来完成的。后端是用Python语言来完成后台业务逻辑和核心算法。数据存储方面是使用的Sqlite3数据库。本系统主要包含全部影片展示模块、电影分类模块、用户浏览最多模块、最新电影显示模块、用户信息模块、基于用户推荐结果模块以及基于物品推荐模块等。本系统已通过压力测试、功能测试、性能测试、兼容性测试、安全测试等测试，得到的测试结果与预期相符，满足500人同时在线使用，能够达到稳定运行标准。

 

关键词：电影推荐系统；协同过滤算法；Django框架；个性化服务

 

目  录

中文摘要 I

英文摘要 II

1 绪论 1

1.1 研究背景与意义 1

1.2 主要研究内容 1

1.3 论文的组织结构 2

1.4 本章小节 2

2 推荐算法综述 3

2.1 有关推荐算法的相关简介 3

2.1.1 协同过滤算法 3

2.1.2 基于内容的推荐算法 3

2.1.3 基于标签的推荐算法 4

2.2 实现系统的算法介绍 4

2.2.1 基于用户的协同过滤算法 4

2.2.2 基于物品的协同过滤算法 5

2.3 相似度计算 5

2.4 如何测评推荐算法 6

2.4.1 评分预测 6

2.4.2 Top-K推荐 7

2.5 本章小节 7

3 系统需求分析 8

3.1 可行性分析 8

3.2 功能需求分析 8

3.3 性能需求分析 9

3.3.1 安全需求 9

3.3.2 兼容性需求 10

3.3.3 速度需求 10

3.4 本章小节 10

4 系统设计 11

4.1 前端系统模块设计 11

4.2 后端系统模块设计 12

4.3 数据库设计 13

4.4 本章小节 14

5 系统实现 15

5.1 实验环境介绍 15

5.2 电影的数据采集系统的实现 15

5.3 系统功能模块简述 16

5.3.1 数据初始处理 16

5.3.2 用户评分反馈模块 16

5.3.3 用户评分记录模块 17

5.3.4 推荐算法流程 17

5.3.5 显示推荐模块 17

5.3.6 电影详情页面 18

5.3.7 个人信息模块 18

5.3.8 管理者管理模块 19

5.4 本章小节 19

6 系统测试 20

6.1 注册登录测试 20

6.2 压力测试 21

6.3 性能测试 22

6.4 兼容性测试 22

6.5 安全性测试 22

6.6 本章小节 23

结  论 24

致  谢 25

参考文献 26