電影個性化推薦系統的構建

侯林坤

摘要：根據《中國互聯網絡發展狀況統計報告》[1]，截至2019年6月，互聯網普及率達61.2%。我國網絡視頻用戶規模達7.59億，占網民整體的88.8%[2]，網絡將為成為用戶獲取影片的主要來源。同時，影片生產速度在不斷加快，影片數量不斷增加。面對海量影片，相比明確需求信息的搜索引擎，模糊用戶需求的電影個性化推薦更勝一籌。該文在電影個性化推薦算法的基礎上，設計并實現了電影個性化推薦系統，準確推薦符合用戶興趣喜愛的影片，獲取用戶信任，增加黏性。

關鍵詞：協同過濾算法;電影推薦系統;個性化;軟件工程

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）27-0041-02

開放科學（資源服務）標識碼（OSID）：

隨著影片生產鏈的逐步完善，影片數量將呈指數增長。現有的搜索引擎已不能解決，人們在面對影片數據過載的沖擊。因此，電影個性化推薦系統應運而生。其中，涉及電影個性化推薦算法、電影個性化推薦技術等的體系也在不斷地完善。本文將對實現電影個性化推薦系統所涉及的開發環境、算法等進行具體說明，其中包括，電影個性化推薦系統的算法、電影個性化推薦系統的需求分析、電影個性化推薦系統的設計實現。

1 電影個性化推薦系統的算法

個性化推薦算法早在1992應用于郵件識別，隨后在各個領域廣泛推行。在電影領域，個性化推薦算法已經不可或缺，并且在國內外都應用實踐。例如：YouTube推薦系統推薦影片，要經過候選池、排名池兩層網絡，篩選除符合用戶的影片;愛奇藝推薦系統分為召回階段和排序階段，從海量的視頻庫中找到與用戶興趣相符的影片。

本文以基于協同過濾的算法為核心，設計并實現電影個性化推薦系統。其中，協同過濾是現在應用最廣泛的算法之一。基于協同過濾的電影推薦算法，通常被劃分成三步：建立用戶一電影評分矩陣;利用相似度計算確定確認最近鄰居集合;評分預測。在上述三個步驟中，相似度計算是整個流程最為核心的步驟。在用戶一電影評分矩陣對用戶之間的相似度計算之后，為用戶建立最近鄰居集合，該處便是相似度計算。

電影個性化推薦算法通過構建用戶評分之間的關聯，預測符合用戶興趣喜愛的影片。因此，電影個性化推薦系統中，收集用戶信息數據，以及個性化推薦算法的改進是最關鍵，最重要的兩步驟。收集用戶信息，通過大量的用戶信息數據訓練，是保障個性化推薦算法準確率的必要前提。其中，可以收集用戶對影片的評分、用戶觀看影片的類型、用戶觀看影片的時長，以及用戶的性格別、年齡等信息。個性化推薦算法是整個電影個性化推薦系統的核心部分，保證推薦用戶的影片符合用戶興趣喜愛。當前的電影個性化推薦算法有：基于內容的推薦算法、基于協同過濾的推薦算法、基于網絡結構的推薦算法、基于混合算法的推薦算法。只有通過各類推薦算法不斷改進，電影個性化推薦系統的準確率才能更加準確。

2 電影個性化推薦系統的需求分析

本文按照軟件工程的原則，對電影個性化推薦系統進行了需求分析。首先，提出了整個系統的設計目標;其次，對系統進行了可行性分析，以保證系統能夠正常運行;第三，對系統進行了頂層用例分析，以明確角色身份;第四，對系統進行了功能模塊劃分，以滿足用戶的需求;最后，對系統進行了性能需求分析，以保障用戶在使用本系統時能有更好的用戶體驗。

本文設計電影個性化推薦系統的主要功能劃分為多個子模塊，包括系統首頁模塊、新上映模塊、猜你喜歡模塊等。其中，猜你喜歡是本系統的特色模塊，也是核心模塊。其本質是通過會員用戶的歷史足跡，構建會員用戶的模型，預測符合用戶興趣喜愛的影片。

電影個性化推薦系統頂層用例分析中，將角色分成三類，方便管理。首先是后臺管理員，增添、修改以及刪除影片信息、管理用戶信息;其次，會員用戶。使用注冊登錄功能，系統生成相應的用戶數據庫，會員用戶可以記錄其歷史足跡。最后是游客用戶，不用進行注冊登錄。同時，不能使用系統的猜你喜歡（個性化影片推薦），只能瀏覽系統常規頁面。

3 電影個性化推薦系統的設計與實現

3.1 開發環境

本次開發基于HTML+Javascript（CSS）+DB環境和Django框架來完成。HTML用來展示前端界面，Javascript作為前端開發語言，通過aJax與后臺進行數據交互，DB作為本地數據庫使用，Django作為內容管理框架使用，Mysql數據庫存儲影片、用戶數據。

3.2 電影個性化推薦系統的系統設計

本文在需求分析的基礎之上，對電影個性化推薦系統進行了整體架構設計、功能模塊設計和數據庫設計。系統的整體架構采用B/S結構，并采用Django作為內容管理框架，各層功能明確。通過功能模塊設計，整個系統被分解為多個低耦合、高內聚的子系統，我們對各個模塊的設計方法進行了詳細解析。另外，系統通過Django自動生成數據庫中的所有表結構。

本電影個性化推薦系統的框架基于B/S架構設計，采用Django作為內容管理框架使用，采用池化的設計思路將總體分為三個層次，即數據層、交互層和業務層。交互層的作用在于與用戶溝通，包括用戶的注冊登錄、用戶與影片的信息管理以及最關鍵的影片個性化推薦。業務層的作用在于數據邏輯處理，包括用戶對影片的評分、查詢以及用戶信息的更新、影片算法的實現。數據層的作用在于對非原始數據的操作，存儲用戶信息、影片信息、用戶評分、用戶模型、推薦結果。其中，電影的個性化推薦是最重要。

4 總結與展望

隨著時代的前行，網絡已經滲透到我們的日常生活當中。電影作為我們生活的日常娛樂，也會加入互聯網的浪潮中。其中，人們將面對海量的影片數據。當傳統的搜索引擎不能滿足用戶的需求時，電影個性化推薦系統的興起是必然的。但是，面臨的數據稀疏、可擴展性差、新用戶冷啟動等問題還在影響著電影個性化推薦算法的準確率。因此，改進電影個性化推薦算法，任重而道遠。

參考文獻：

[1]中國互聯網絡信息中心第44次中國互聯網絡發展狀況統計報告[EB/OL].中國網信網，2019：5-42.

[2]祖麗亞提·阿尼瓦爾，阿布都瓦依提·尼亞孜.短視頻對社會的影響力分析[J].新聞研究導刊，2019，10（23）：149-150.

【通聯編輯：代影】