全文总字数：4416字
文献综述
一．选题依据1.课题背景随着物质生活水平的不断进步，人民越来越重视追求精神层次的享受。
其中，观看电影是满足人们精神文明需要的重要渠道之一。
为了给人们提供便利，各类视频网站如雨后春笋般涌现出来，如爱奇艺、腾讯、优酷等，这些网站提供了五花八门的电影视频资源供人们观看，但随之出现的问题就是:用户要想从海量的电影资源中，找出自己感兴趣的电影却变得极为艰难，并且每次都需要浪费大量的时间来筛选，这对生活在快节奏的人们来说是一种极其不好的使用体验。
因此，如何从海量的电影资源中快速地过滤掉某些无关信息，进而为用户呈现自己感兴趣的电影资源，其成为了一项有实际意义的研究工作。
故本文的研究重点就是在现有电影推荐的基础上，通过对用户以往的行为信息数据进行分析，并从中提取关键信息，进而达到有目的性、针对性地为用户推荐自己感兴趣的内容，从而为用户提供最佳的使用体验感。
2.国内外研究现状 在国外，最初推荐系统是源自美国的非盈利的项目MovieLens，它是来源于实验室GroupLens开发的电影推荐系统，其能够根据用户对电影的打分评论等历史行为来为该用户构造其个性化的用户画像，通过解剖用户兴趣来推荐电影。
MovieLens数据集包括电影数据信息，如电影类别、主演、导演、年代等特征，首次提出了推荐系统里最为经典的协同过滤思想。
1998年，Amazon平台投入使用基于物品的CF算法,亚马逊平台通过推荐算法服务为商家以及用户带来了极大便利，可以使商家的商品推荐到可能会感兴趣的用户，用户也可以从众多商品中得到感兴趣的商品的推荐。
据统计，亚马逊的成交率有20%-30%归功于推荐系统。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
