个性化电影协同过滤推荐系统 基于用户、项目、混合协同过滤推荐算法 movielens数据集 ml-latest-small数据集 电影图片爬取

个性化电影协同过滤推荐系统实现了基于用户和基于项目根据评分数据进行协同过滤的混合推荐，通过新用户登录选择兴趣标签，解决冷启动问题。

本文主要讲解了个性化电影协同过滤推荐系统实现的开发环境、数据集、开发过程、协同过滤推荐算法、推荐算法测评指标、实现结果等内容。

一、个性化电影协同过滤推荐系统开发环境介绍

1、开发工具：MyEclipse，jdk1.7，tomcat7，mysql5.5，navicat

2、开发框架：Spring+Struts+Hibernate，页面采用jsp，jquery脚本，bootstrapt脚本，layer弹窗组件，webuploader文件上传组件

二、个性化电影协同过滤推荐系统数据集介绍

本系统使用movielens数据集，该数据集有多个版本，本系统使用最新的movielens数据集版本ml-latest-small，该数据集有links.csv（电影的imdbid和tmdbid）、movies.csv（电影详情）、ratings.csv（电影评分数据集），包含9742部电影、610个用户、100837个评分，电影图片从www.imdb.com网站爬取。

三、个性化电影协同过滤推荐系统开发过程介绍

本系统使用SSH开发框架，mysql数据库。系统分用户和管理员端，管理员可对用户、电影、电影类型等所有数据进行管理、查看评分数据等操作。

游客可在前台首页查看所有电影、搜索电影、查看电影详情。新用户登录，需选择用户喜好，登录后，前台首页会进行协同过滤推荐，如果没有推荐结果，那么会进行标签推荐（冷启动推荐），标签推荐是根据当前登录用户的喜好标签随机查找标签下的10个电影。然后用户可通过设置进入用户信息查看、修改、修改密码、查看评分记录、修改标签等信息。

主要代码如下图所示：

1、mysql数据库

2、applicationContext.xml配置文件

3、struts.xml配置文件

4、协同过滤推荐算法代码

5、协同过滤混合推荐算法代码

四、个性化电影协同过滤推荐系统协同过滤推荐算法介绍

本系统采用基于用户的推荐算法和基于项目的推荐算法，通过用户-电影评分数据进行混合推荐，评分数据采用余弦算法计算用户相似度。当用户没有推荐结果时，采用基于用户兴趣的冷推荐算法。

五、个性化电影协同过滤推荐系统推荐算法测评指标介绍

测评指标采用MAE平均绝对误差，通过比较基于项目的算法、基于用户的算法、混合推荐算法比较，得出混合推荐算法的mae值最小。

六、个性化电影协同过滤推荐系统实现结果介绍

1、前台首页

2、用户登录

3、前台电影列表

4、前台电影详情

5、前台用户信息修改

6、前台用户评分列表

7、推荐结果

8、管理员登录页面

9、管理员首页

10、管理员电影信息修改

11、管理员电影列表

12、管理员测算MAE