個性化電影協(xié)同過濾推薦系統(tǒng) 基于用戶泽艘、項目、混合協(xié)同過濾推薦算法 movielens數(shù)據(jù)集 ml-latest-small數(shù)據(jù)集 電影圖片爬取

個性化電影協(xié)同過濾推薦系統(tǒng)實現(xiàn)了基于用戶和基于項目根據(jù)評分數(shù)據(jù)進行協(xié)同過濾的混合推薦镐依,通過新用戶登錄選擇興趣標簽匹涮,解決冷啟動問題。

本文主要講解了個性化電影協(xié)同過濾推薦系統(tǒng)實現(xiàn)的開發(fā)環(huán)境馋吗、數(shù)據(jù)集、開發(fā)過程秋秤、協(xié)同過濾推薦算法宏粤、推薦算法測評指標、實現(xiàn)結(jié)果等內(nèi)容灼卢。

一绍哎、個性化電影協(xié)同過濾推薦系統(tǒng)開發(fā)環(huán)境介紹

1、開發(fā)工具:MyEclipse鞋真,jdk1.7崇堰,tomcat7,mysql5.5涩咖,navicat

2海诲、開發(fā)框架:Spring+Struts+Hibernate,頁面采用jsp檩互,jquery腳本特幔,bootstrapt腳本,layer彈窗組件闸昨,webuploader文件上傳組件

二蚯斯、個性化電影協(xié)同過濾推薦系統(tǒng)數(shù)據(jù)集介紹

本系統(tǒng)使用movielens數(shù)據(jù)集,該數(shù)據(jù)集有多個版本饵较,本系統(tǒng)使用最新的movielens數(shù)據(jù)集版本ml-latest-small拍嵌,該數(shù)據(jù)集有l(wèi)inks.csv(電影的imdbid和tmdbid)、movies.csv(電影詳情)循诉、ratings.csv(電影評分數(shù)據(jù)集)横辆,包含9742部電影、610個用戶茄猫、100837個評分龄糊,電影圖片從www.imdb.com網(wǎng)站爬取逆粹。

三、個性化電影協(xié)同過濾推薦系統(tǒng)開發(fā)過程介紹

本系統(tǒng)使用SSH開發(fā)框架炫惩,mysql數(shù)據(jù)庫僻弹。系統(tǒng)分用戶和管理員端,管理員可對用戶他嚷、電影蹋绽、電影類型等所有數(shù)據(jù)進行管理、查看評分數(shù)據(jù)等操作筋蓖。

游客可在前臺首頁查看所有電影卸耘、搜索電影、查看電影詳情粘咖。新用戶登錄蚣抗,需選擇用戶喜好,登錄后瓮下,前臺首頁會進行協(xié)同過濾推薦翰铡,如果沒有推薦結(jié)果,那么會進行標簽推薦(冷啟動推薦)讽坏,標簽推薦是根據(jù)當前登錄用戶的喜好標簽隨機查找標簽下的10個電影锭魔。然后用戶可通過設(shè)置進入用戶信息查看、修改路呜、修改密碼迷捧、查看評分記錄、修改標簽等信息胀葱。

主要代碼如下圖所示:

1漠秋、mysql數(shù)據(jù)庫

2、applicationContext.xml配置文件

3抵屿、struts.xml配置文件

4膛堤、協(xié)同過濾推薦算法代碼

5、協(xié)同過濾混合推薦算法代碼

四晌该、個性化電影協(xié)同過濾推薦系統(tǒng)協(xié)同過濾推薦算法介紹

本系統(tǒng)采用基于用戶的推薦算法和基于項目的推薦算法肥荔,通過用戶-電影評分數(shù)據(jù)進行混合推薦,評分數(shù)據(jù)采用余弦算法計算用戶相似度朝群。當用戶沒有推薦結(jié)果時燕耿,采用基于用戶興趣的冷推薦算法。

五姜胖、個性化電影協(xié)同過濾推薦系統(tǒng)推薦算法測評指標介紹

測評指標采用MAE平均絕對誤差誉帅,通過比較基于項目的算法、基于用戶的算法、混合推薦算法比較蚜锨,得出混合推薦算法的mae值最小昧廷。

六住诸、個性化電影協(xié)同過濾推薦系統(tǒng)實現(xiàn)結(jié)果介紹

1、前臺首頁

2、用戶登錄

3谤牡、前臺電影列表

4狗准、前臺電影詳情

5黔姜、前臺用戶信息修改

6粗悯、前臺用戶評分列表

7、推薦結(jié)果

8如捅、管理員登錄頁面

9棍现、管理員首頁

10、管理員電影信息修改

11镜遣、管理員電影列表

12己肮、管理員測算MAE

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市悲关,隨后出現(xiàn)的幾起案子谎僻,更是在濱河造成了極大的恐慌,老刑警劉巖坚洽,帶你破解...
    沈念sama閱讀 219,039評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件戈稿,死亡現(xiàn)場離奇詭異西土,居然都是意外死亡讶舰,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,426評論 3 395
  • 文/潘曉璐 我一進店門需了,熙熙樓的掌柜王于貴愁眉苦臉地迎上來跳昼,“玉大人,你說我怎么就攤上這事肋乍《旒眨” “怎么了?”我有些...
    開封第一講書人閱讀 165,417評論 0 356
  • 文/不壞的土叔 我叫張陵墓造,是天一觀的道長堪伍。 經(jīng)常有香客問我,道長觅闽,這世上最難降的妖魔是什么帝雇? 我笑而不...
    開封第一講書人閱讀 58,868評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮蛉拙,結(jié)果婚禮上尸闸,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好吮廉,可當我...
    茶點故事閱讀 67,892評論 6 392
  • 文/花漫 我一把揭開白布苞尝。 她就那樣靜靜地躺著,像睡著了一般宦芦。 火紅的嫁衣襯著肌膚如雪宙址。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,692評論 1 305
  • 那天踪旷,我揣著相機與錄音曼氛,去河邊找鬼。 笑死令野,一個胖子當著我的面吹牛舀患,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播气破,決...
    沈念sama閱讀 40,416評論 3 419
  • 文/蒼蘭香墨 我猛地睜開眼聊浅,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了现使?” 一聲冷哼從身側(cè)響起低匙,我...
    開封第一講書人閱讀 39,326評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎碳锈,沒想到半個月后顽冶,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,782評論 1 316
  • 正文 獨居荒郊野嶺守林人離奇死亡售碳,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,957評論 3 337
  • 正文 我和宋清朗相戀三年强重,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片贸人。...
    茶點故事閱讀 40,102評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡间景,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出艺智,到底是詐尸還是另有隱情倘要,我是刑警寧澤,帶...
    沈念sama閱讀 35,790評論 5 346
  • 正文 年R本政府宣布十拣,位于F島的核電站封拧,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏夭问。R本人自食惡果不足惜泽西,卻給世界環(huán)境...
    茶點故事閱讀 41,442評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望甲喝。 院中可真熱鬧尝苇,春花似錦铛只、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,996評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至非竿,卻和暖如春蜕着,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背红柱。 一陣腳步聲響...
    開封第一講書人閱讀 33,113評論 1 272
  • 我被黑心中介騙來泰國打工承匣, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人锤悄。 一個月前我還...
    沈念sama閱讀 48,332評論 3 373
  • 正文 我出身青樓韧骗,卻偏偏與公主長得像,于是被迫代替她去往敵國和親零聚。 傳聞我的和親對象是個殘疾皇子袍暴,可洞房花燭夜當晚...
    茶點故事閱讀 45,044評論 2 355

推薦閱讀更多精彩內(nèi)容