论文总字数：14936字

摘 要

随着经济的增长和手机网络的迅速崛起，人们无时无刻都会接收着来自世界各地繁杂的信息，人们也逐渐步入大数据时代。但是进入新的时代人们也不得不面临着新的问题——信息过载。本文研究的基于推荐算法的微信电影推荐程序致力于解决电影数据冗余的问题。

本文的微信电影推荐程序通过传统推荐算法之一协同过滤算法来进行研究。利用基于项目的协同过滤算法，借由用户的历史行为来实现对用户电影的针对性推荐。系统采集用户电影的偏好来建立用户电影矩阵，从用户电影矩阵中发掘出电影之间的相似度，并找出与用户热衷电影相似度高的电影展示给用户。同时本系统还提供了正在热映、即将上映、高分排行、影片搜索、收藏历史等基本功能，保证了用户日常对电影软件的要求。

系统利用微信小程序作为前端，python作为后端进行推荐算法的研究，利用MovieLens数据集来提供用户电影信息，在一定程度上保证了程序的易用性与稳定性。经过测试，系统整体可用，但在推荐准确性方面还可以进一步加强。

关键词：电影推荐系统 协同过滤 微信小程序

Small program design of movie recommendation WeChat based on collaborative filtering

Abstract

Nowadays, with the rapid growth of economy and the rapid rise of mobile network, people will receive all kinds of information from all over the world all the time, and people are gradually stepping into the era of big data. But in the new era, people must be confronted with a new problem - information redundancy.The wechat movie recommender based on recommendation algorithm researched in this paper is also committed to solving the problem of movie data redundancy.

In this paper, wechat movie recommender is studied by one of the traditional recommender algorithms, collaborative filtering algorithm. The collaborative filtering algorithm is used to determine the purpose of the user's movie according to the user's history. The system collects the user's movie preferences to establish the user's movie matrix, finds out the similarity between the movies from the user's movie matrix, and and learn movies with a big likeness to favorite movies to show the user. At the same time, the system also provides some basic functions, such as being hot, coming soon, high score ranking, film search, collection history and so on, which meet the daily needs of users for film software.

The system uses wechat applet as the front-end, python as the back-end to study the recommendation algorithm, and uses the movielens data set to provide the user's movie information, which guarantees the usability and stability of the program to a certain extent.After testing, the system is available as a whole, but the accuracy of recommendation can be further enhanced.

Keywords: Movie recommendation system;collaborative filtering ;wechat applet

目录

摘要 I

Abstract II

第一章 绪论 1

1.1研究背景 1

1.1.1电影推荐系统 1

1.1.2 微信小程序 1

1.2 国内外研究现状 1

1.2.1电影推荐系统研究现状 1

1.2.2 微信小程序研究现状 2

1.3 主要研究内容 2

第二章 协同过滤算法的设计与实现 4

2.1协同过滤推荐算法原理 4

2.2协同过滤推荐算法分类 4

2.2.1基于项目的协同过滤算法 4

2.2.2基于用户的协同过滤算法 5

2.3基于项目的协同过滤算法的实施 5

2.3.1建立用户电影矩阵模型 5

2.3.2 计算电影之间的相似度 6

2.3.3 计算预测值，进行推荐 6

2.4 本章小结 7

第三章 系统需求分析 8

3.1 功能性需求 8

3.2 非功能性需求 9

3.3 本章小结 10

第四章 系统设计 11

4.1可行性分析 11

（1）推荐算法 11

（2）前端开发 11

（3）后台开发 11

4.2 设计原则 11

4.3架构设计 12

4.4功能设计 12

4.4.1 电影推荐模块设计 13

4.4.2 正在热映模块设计 13

4.4.3 电影查询模块设计 14

4.4.4 高分排行模块设计 14

4.4.5 即将上映模块设计 14

4.4.6 用户信息模块设计 14

4.5 数据集引用 15

4.6系统详细设计 16

4.6.1推荐模块 16

4.6.2搜索模块 17

4.6.3 收藏模块 17

4.7本章小结 17

第五章 系统的实现与测试 18

5.1开发环境和运行环境 18

5.1.1开发环境 18

5.1.2运行环境 18

5.2核心算法分析 18

5.3系统实现 19

5.4系统测试 23

5.4.1功能性测试 23

5.4.2非功能性测试 25

5.5本章小结 26

第六章 总结与展望 27

6.1总结 27

6.2展望 27

参考文献 28

致谢 30

第一章 绪论

1.1研究背景

1.1.1电影推荐系统

经过时代的变革以及生活的方式的改变，越来越多繁杂的数据充斥在人们的身边，信息的重复已经成为人们现在面临的一大问题[^[1]]。大数据时代不止带来了时代的变革也带来了信息泛滥的问题。针对于此问题，推荐系统的诞生与研究在世界范围内引起了很大反响[^[2]][^[3]]。

设想当一名用户想要观看即将上映的电影《赤狐书生》，只需在电影上映时去电影院或网上买票观看即可。但这种选择需要用户对电影具有自己的针对性，用户需要知道自己想要观看的电影。但是当用户无法给出想要观看电影的准确答案时，电影推荐系统就此派上用场。电影推荐系统会根据用户的历史点击情况为用户推荐适合的电影，这在降低用户寻觅感兴趣影片时间的同时，也解决了用户选片难的问题[^[4]][^[5]]。

1.1.2 微信小程序

不同于传统移动终端需要下载注册，占用内存空间。微信小程序依赖于人们几乎必备的微信系统，无需下载其他移动应用，换以一种网页的形式来显示内容，大大提高了人们使用的便捷性[^[6]]。同时依托于微信强大的影响力以及使用量，微信小程序得以拥有足够数量的群体基数[^[7]][^[8]]。这种易用的操作模式和一定量的群体数正是它的优势所在[^[9]]。

1.2 国内外研究现状

1.2.1电影推荐系统研究现状

在20多年前，第一个推荐系统顺利推出，自此以后，推荐系统也迅速的兴起，系统根据人们的日常行为习惯为用户推荐最符合他们喜好的物品。国内电子商务的领头羊淘宝、天猫、京东等都运用了较为成熟的推荐系统[^[10]]。

请支付后下载全文，论文总字数：14936字