基于协同过滤算法的电影推荐系统设计

本电影推荐系统中运用的推荐算法是基于协同过滤算法（Collaborative Filtering Recommendation）。协同过滤是在信息过滤和信息系统中正迅速成为一 项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过 滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似 用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。 电影推荐系统中引用了 Apache Mahout 提供的一个协同过滤算法的推荐引擎 Taste，它实现了最基本的基于用户和基于内容的推荐算法，并提供了扩展接口， 使用户方便的定义和实现自己的推荐算法。 电影推荐系统是基于用户的推荐系统，即当用户对某些电影评分之后，系统 根据用户对电影评分的分值，判断用户的兴趣，先运用 UserSimilarity 计算用户 间的相似度.UserNeighborhood 根据用户相似度找到与该用户口味相似的邻居， 最后由 Recommender 提供推荐个该用户可能感兴趣的电影详细信息。将用户评 过分的电影信息和推荐给该用户的电影信息显示在网页结果页中，推荐完成。