检索结果-内蒙古大学图书馆

电脑知识与技术 2025年第1期21卷 79-81页

作者：陆浩言江苏省如皋中等专业学校江苏如皋226500

文章深入研究了基于协同过滤与内容的推荐算法在电影推荐系统中的融合与应用。首先,详细阐述了两种推荐算法的基本原理及优缺点,并对相似度计算方法进行了深入的分析与针对性的优化。随后,文章探讨了协同过滤和内容推荐算法有效融合策... 详细信息

文章深入研究了基于协同过滤与内容的推荐算法在电影推荐系统中的融合与应用。首先,详细阐述了两种推荐算法的基本原理及优缺点,并对相似度计算方法进行了深入的分析与针对性的优化。随后,文章探讨了协同过滤和内容推荐算法有效融合策略和方法。最后,采用MovieLens数据集进行实验验证,证明了融合算法在提升推荐系统性能方面的有效性,并讨论了未来可能的研究方向。

关键词：协同过滤推荐算法内容推荐算法电影推荐系统融合

来源：评论

学校读者我要写书评

暂无评论

国外电影推荐系统网站研究与评述

引用

计算机应用 2013年第A02期33卷 119-124页

作者：孙海峰甘明鑫刘鑫吴越北京科技大学东凌经济管理学院北京100083

电影推荐网站的研究对于解决电影数据复杂性以及用户需求多样性具有重要的意义。针对电影推荐系统网站中推荐准确率低、数据稀疏和冷启动等问题,详细阐述了国外六大主流电影推荐网站系统的内部结构、信息量和推荐方式;重点阐述了各网站... 详细信息

电影推荐网站的研究对于解决电影数据复杂性以及用户需求多样性具有重要的意义。针对电影推荐系统网站中推荐准确率低、数据稀疏和冷启动等问题,详细阐述了国外六大主流电影推荐网站系统的内部结构、信息量和推荐方式;重点阐述了各网站的推荐异同以及可优化方案,进而通过新用户对电影进行评分的冷启动实验,详细分析冷启动解决方法与效果;最后指出当前电影推荐网站的现状及问题,对推荐系统相关理论及其发展趋势进行了分析和展望,并为实际应用中解决冷启动与数据稀疏等问题提供参考依据。

关键词：电影推荐系统协同过滤冷启动数据稀疏标签

来源：评论

学校读者我要写书评

暂无评论

Spark平台下电影推荐系统的设计

引用

计算机应用与软件 2020年第11期37卷 28-34页

作者：李光明房靖力陕西科技大学电子信息与人工智能学院陕西西安710021

传统基于Hadoop或单机下基于Mahout构建的电影推荐系统面对数据量不断增大以及推荐算法模型需要大量迭代的情况时,会出现推荐效果差、运行速度明显下降、无法实时为用户进行个性化推荐的情况。针对以上问题,以电影评分数据集为背景,使用... 详细信息

传统基于Hadoop或单机下基于Mahout构建的电影推荐系统面对数据量不断增大以及推荐算法模型需要大量迭代的情况时,会出现推荐效果差、运行速度明显下降、无法实时为用户进行个性化推荐的情况。针对以上问题,以电影评分数据集为背景,使用Hadoop、Spark、Kafka、Hive等大数据处理技术进行系统架构搭建,并采用改进后的余弦相似性的协同过滤和基于用户喜爱物品的物品协同过滤算法对MLlib协同过滤算法模型进行改进,对离线数据以及实时数据进行计算,产生TOP-N推荐结果,实现Spark平台下电影推荐系统。实验结果表明,在Spark平台下,该系统相较传统方法不仅数据处理速度和推荐准确性显著提升,而且稳定性更强。

关键词： Spark Hadoop MLlib 协同过滤电影推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于动态矩阵分解模型的电影推荐系统研究

引用

电子器件 2022年第2期45卷 483-489页

作者：王璇杜宇超杜军邹军南京信息职业技术学院电子信息工程学院江苏南京210023 加州大学圣地亚哥分校电子与计算机工程系圣地亚哥CA92093 中兴通讯股份有限公司广东深圳518057 清华大学电机工程与应用电子技术系北京100084

推荐系统已成为电子商务企业吸引客户、实现盈利的有效技术支持,它能够根据用户的网络点击数据预测其偏好,做出个性化推荐。研究了一个基于动态矩阵分解模型的NETFLIX电影推荐系统。该系统通过训练一个来自NETFLIX平台、包含9000部电影... 详细信息

推荐系统已成为电子商务企业吸引客户、实现盈利的有效技术支持,它能够根据用户的网络点击数据预测其偏好,做出个性化推荐。研究了一个基于动态矩阵分解模型的NETFLIX电影推荐系统。该系统通过训练一个来自NETFLIX平台、包含9000部电影历史评分的数据集进行预测评分。核心算法包括运用矩阵分解(Matrix Factorization,MF)建立有效的数据处理模型,以及使用随机梯度下降(Stochastic Gradient Descent,SGD)训练该模型。数据集采用稀疏矩阵存储,以节省空间。在训练过程中,对预测评分增加了特定的偏向值。该系统与市场同类产品相比拥有更高的预测准确度,并向电影观众推荐符合他们喜好的电影,能极大地提高电影观看票房值。

关键词：电影推荐系统动态矩阵分解模型随机梯度下降算法稀疏矩阵预测评分

来源：评论

学校读者我要写书评

暂无评论

基于IRGAN模型和Hadoop的电影推荐系统的设计

引用

计算机应用与软件 2019年第5期36卷 43-50页

作者：赵桂升潘善亮宁波大学信息科学与工程学院浙江宁波315211

随着近几年人工智能技术的飞速发展,深度学习技术在推荐系统领域中的应用也已经成为研究热点之一。尤其是生成对抗网络(GAN)作为无监督学习中最具前景的方法之一,在图像处理和自然语言等领域取得突破性进展。针对目前存在的电影市场规... 详细信息

随着近几年人工智能技术的飞速发展,深度学习技术在推荐系统领域中的应用也已经成为研究热点之一。尤其是生成对抗网络(GAN)作为无监督学习中最具前景的方法之一,在图像处理和自然语言等领域取得突破性进展。针对目前存在的电影市场规模扩大、观影用户数量增长过快以及电影资源更新频繁等带来的数据利用率低、系统压力大、实时性差等弊端,结合Hadoop、Spark和Kafka等大数据处理技术,设计基于IRGAN算法模型的离线推荐模块和基于在线用户行为数据收集处理的在线推荐模块。实现了基于IRGAN模型和Hadoop的电影推荐系统。测试表明,该系统具有良好的推荐准确性、稳定性和实时性。

关键词： IRGAN Hadoop Spark Kafka 电影推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于改进神经协同过滤模型的电影推荐系统

引用

计算机工程与设计 2020年第7期41卷 2069-2075页

作者：王骏虞歌杭州师范大学信息科学与工程学院浙江杭州311121

传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐。通过改进神经协同过滤模型,利用多层感知机的非线性特征处理提取隐含高阶特征信息以及贝叶斯个性化排序算法提取排序信... 详细信息

传统的矩阵分解法只能简单提取低阶信息,特征组合单一无法挖掘更多隐含信息,且特征组合权重相同无法满足个性化推荐。通过改进神经协同过滤模型,利用多层感知机的非线性特征处理提取隐含高阶特征信息以及贝叶斯个性化排序算法提取排序信息,使推荐更加精准,推荐得分结合电影流行度和电影类型因子进行微调。通过该推荐模型实现了个性化电影推荐系统,推荐命中率和归一化折扣累积增益得到显著提高。

关键词：神经协同过滤隐性反馈矩阵分解贝叶斯个性化排序算法电影推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和行为序列的个性化电影推荐系统

基于深度学习和行为序列的个性化电影推荐系统

引用

作者：李乐东华大学

学位级别：硕士

近年来,互联网的飞速发展导致网络信息量的指数级增长,在浩瀚的信息流中搜寻信息一直是让用户头疼的问题,直到智能推荐系统的出现才得以大幅缓解,它在解决用户搜寻信息难问题的同时也给企业自身带来了巨大的利益回报。在这样的时代背景... 详细信息

近年来,互联网的飞速发展导致网络信息量的指数级增长,在浩瀚的信息流中搜寻信息一直是让用户头疼的问题,直到智能推荐系统的出现才得以大幅缓解,它在解决用户搜寻信息难问题的同时也给企业自身带来了巨大的利益回报。在这样的时代背景下,电影领域的推荐系统也随之而来。因为深度学习强大的特征学习能力,在当今电影推荐系统的推荐算法中已经成为了主流,其中通过深度学习提取用户行为序列信息进行推荐是当今许多研究人员关注的重点。现有深度学习方法对用户行为序列中的依赖信息提取并不充分,还有很大的提升空间,同时如何从行为序列中准确捕获到用户动态变化的兴趣也是一个关键问题。本文基于上述问题提出了两个推荐算法模型并嵌入到个性化电影推荐系统中,主要工作如下:（1）以注意力网络为基础提出了融合用户显性偏好和隐性兴趣的推荐系统召回模型UEIIN（User Explicit and Implicit Interest Network,用户显隐性兴趣网络）。该模型首先利用多头自注意力模块（一种对多头自注意力机制添加优化措施后的模块）挖掘用户行为序列中存在的隐性兴趣,同时利用用户的显性反馈信息抽取其显性偏好。在实际场景中,用户的兴趣一直在动态变化,所以我们使用基本注意力机制分别学习用户显性偏好和隐性兴趣的动态变化关系,将最终学习到的显性偏好和隐性兴趣融合并输入到深度神经网络中学习更深层次的信息。最终,在稀疏程度不同的数据集上的实验结果表明该模型在召回率（Recall）、归一化折损累计增益（Normalized Discounted Cumulative Gain,NDCG）、命中率（Hit Rate）三个指标上均取得了与当前流行的同类模型相比更好的效果。（2）结合因子分解机和多头自注意力模块提出了基于用户行为交互的推荐系统排序模型DBIN（Deep Behavioral Interactive Network,深度行为交互网络）。该模型将用户行为交互划分为一阶、二阶和高阶交互。模型保留原始的序列行为作为一阶交互行为特征,这在一定程度上使模型具备更好的记忆性;利用因子分解机获取二阶交互行为,即学习行为序列中的二阶交叉行为特征表示;使用添加辅助损失函数的多头自注意力模块捕捉高阶交互行为的特征表示,辅助损失函数能够显著提高特征表示的准确性。最后使用普通注意力机制学习不同种类交互行为对候选物品的影响因子,并采用多层感知机预测用户的点击概率。该模型采用点击率预估领域常用的检验指标AUC检验模型的排序性能,同时使用Rela Impr衡量对模型的相对改进,实验结果显示DBIN模型在三个不同的公共数据集与一个私有数据集（豆瓣电影）上相比当前流行的同类模型均取得了不错的提升。（3）在本文提出的推荐算法基础上设计开发了一个个性化电影推荐系统。该系统首先使用融合用户显隐性兴趣的召回模型UEIIN从完整电影库中召回用户最感兴趣的N部电影,接着采用基于用户行为交互的排序模型DBIN对N部电影按照点击率从大到小排序,最终将排序后的电影列表输出给用户。这种架构明显提升了个性化电影推荐的精准度,有很好的现实意义。

关键词：点击率预测用户行为序列注意力网络深度学习电影推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于Spark的电影推荐系统的设计与实现

基于Spark的电影推荐系统的设计与实现

引用

作者：陈可强太原理工大学

学位级别：硕士

二十一世纪是一个信息化时代，特别是近几年来，随着信息的快速增长，我国进入大数据时代，电影已成为每个人日常生活中不可缺少的一部分，与此同时，电影网站愈来愈多，例如：爱奇艺、优酷等。由于这些软件的用户数量众多，并发程度较... 详细信息

二十一世纪是一个信息化时代，特别是近几年来，随着信息的快速增长，我国进入大数据时代，电影已成为每个人日常生活中不可缺少的一部分，与此同时，电影网站愈来愈多，例如：爱奇艺、优酷等。由于这些软件的用户数量众多，并发程度较高，因此，为了减少系统的开销，对个性化的需求和推荐内容相比有所降低，同时还应减少数据的稀疏性问题。针对这两个问题，为了让每个用户能够在最短的时间内找到符合其个性化需求的电影，本文设计并实现了一个电影推荐系统，该系统主要包括离线推荐和实时推荐两部分。具体工作内容如下：　　（1）在离线推荐方面，本文采用了ALS作为协同过滤算法来训练隐语义模型，结合矩阵分析中的矩阵分解方法，能够有效解决推荐系统中存在的数据稀疏性问题。通过不断调整参数来寻找最优的参数组合，并完成了隐语义模型的训练。在训练完成后，可以得到所有电影的预测评分。通过比较这些预测评分和真实评分，计算RMSE和MAE评估指标，来衡量推荐系统的准确性，进而提供更好的推荐效果。同时，这些训练结果也为后续的实时推荐做了数据准备工作。　　（2）在实时推荐方面，本文采用了相似度和相关性相结合的方法，以更好地满足用户的个性化需求。通过引入奖励因子和惩罚因子作为权重，并针对用户最近的电影评分进行调整，以进一步提升备选电影的推荐优先级，更准确地反映用户的个性化偏好。这种方法能够快速定位用户近期偏好的影片类别，并优先推荐高分电影给用户。通过综合考虑相似度、相关性和用户的最近评分，能够更精确地为用户提供个性化推荐，提升用户的推荐体验，有效地满足用户的个性化需求，使得推荐结果更符合用户的喜好。　　（3）由于推荐系统中用户的数量不断增加，本项目采用目前最流行的大数据框架Spark作为分布式计算引擎，相比于其它的大数据框架，Spark的计算能力和实时更新能力会更优秀。本项目所选的Web框架为轻量级Spring框架,和其它的框架相比，它的独特性在于控制反转和面向切面编程，可以大大提高开发的效率。前端框架采用的是AngularJS，面对复杂的前端页面，它可以降低页面间的耦合度，同时也大大提高开发效率。最后结合MongoDB数据库、Redis、Kafka、Flume等共同完成一个安全可靠的推荐系统。

关键词：电影推荐系统 Spark框架模块化设计

来源：评论

学校读者我要写书评

暂无评论

基于矩阵完备性的电影推荐系统设计与实现

基于矩阵完备性的电影推荐系统设计与实现

引用

作者：侯雷华中科技大学

学位级别：硕士

信息时代下,网络数据获得爆发式增长,其带来更好的服务、更便捷的体验的同时,也带来了信息过载问题。就电影网站而言,电影数据资源的不断增多和观影人数的不断扩大,导致观影者无法在短时间内挑选到其喜爱的电影。如何能为用户精准推荐... 详细信息

信息时代下,网络数据获得爆发式增长,其带来更好的服务、更便捷的体验的同时,也带来了信息过载问题。就电影网站而言,电影数据资源的不断增多和观影人数的不断扩大,导致观影者无法在短时间内挑选到其喜爱的电影。如何能为用户精准推荐成了电影系统研究和设计的热点问题。本文即从此出发,提出了基于矩阵完备性的推荐算法来设计电影系统,并对这一设想进行了实现。具体研究内容如下:（1）设计算法来缓解协同过滤所存在的稀疏性问题、可扩展性问题和相似度失真问题。其核心思想是根据评分矩阵的低秩性,运用基于矩阵完备性的SVT算法对评分矩阵进行填充;再通过Mini Batch Kmeans聚类方法对用户进行划分,构建用户与用户之间的近邻关系,以减少近邻构建时用户的搜索时间;最后用加入时间因子的相似度算法进行Top-N推荐。（2）针对系统的冷启动问题,一方面,利用新用户的注册信息,计算新用户的特征偏好,并作为推荐标准;另一方面,利用电影的类别、标签信息,计算电影相似度以得到推荐信息。（3）对电影推荐系统进行全面的需求分析,通过需求分析构建整体系统框架,并详细划分与设计各个功能模块。（4）根据各功能模块的设计,对各模块进行实现,并在系统实现后从功能和性能的角度对系统进行测试。由此,本文设计并实现了一个基于Django的电影推荐系统。经测试验证,该系统更好地解决了稀疏性、冷启动等多个问题,满足了系统功能和性能的多方需求。

关键词：电影推荐系统矩阵完备性协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于Mahout的电影推荐系统研究和实现

基于Mahout的电影推荐系统研究和实现

引用

作者：焦东俊北京邮电大学

学位级别：硕士

个性化推荐技术是当下解决信息过载有效的工具。通过推荐引擎能够使用户过滤大量繁杂的无关信息，得到有用的个性化的信息。目前行业上比较主流的推荐技术包括内容过滤推荐技术以及协同过滤推荐技术，这些推荐技术能够进行一定程度的个... 详细信息

个性化推荐技术是当下解决信息过载有效的工具。通过推荐引擎能够使用户过滤大量繁杂的无关信息，得到有用的个性化的信息。目前行业上比较主流的推荐技术包括内容过滤推荐技术以及协同过滤推荐技术，这些推荐技术能够进行一定程度的个性化推荐。\n Apache Mahout是协同过滤算法的有效实现，Mahout封装了多种分布式机器学习算法，提供了可扩展的机器学习经典算法，包括分类、聚类和协同过滤等。其中的协同过滤算法Taste，是实现推荐引擎的有效工具。但是Mahout是一些算法的集合，在实际应用中需要进行改进进行个性化部署。\n 本文针对基于Mahout来搭建电影推荐系统进行了设计和实现，对Mahout系统进行评估和对评估系统进行了改进，部署使用基于用户人口统计及专家信任的协同过滤算法，分析了电影推荐系统需求，并结合具体的推荐系统，设计构建了一个基于Apache Mahout的个性化电影推荐系统，并通过实验证明了系统设计和算法改进的有效性。

关键词：电影推荐系统协同过滤算法机器学习个性化设计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：