基于协同过滤的电影推荐系统的设计与实现

摘要

随着在线电影数量的飞速增长,要想从众多的电影中选择一部自己想看的电影变得越来越困难.为了更好地满足用户的观影需求,电影推荐系统应运而生,它通过用户的观影记录来发现用户的兴趣,从而帮助用户在众多电影中筛选到自己感兴趣的电影.基于物品的协同过滤算法是电影推荐系统中最常用的推荐算法,该算法的关键是计算物品的相似度及推荐评分,相似度矩阵是一稀疏矩阵,已有的一些电影推荐系统中通常采用二维数组来存放相似度矩阵,利用第三方扩展库Numpy来计算推荐评分,时间空间效率相对较低,该文利用Python内置的序列字典来存放稀疏矩阵,自行编写相应的代码来求解相似度和推荐评分,可有效提高算法的时间、空间效率.