張華欣，韓霄萌，王同梅

（1.天津濱海汽車工程職業(yè)學(xué)院，天津 300350；2.燕京理工學(xué)院，燕郊 065201）

0 引言

隨著網(wǎng)絡(luò)從4G到5G的提升，網(wǎng)絡(luò)傳輸速度得到了進(jìn)一步發(fā)展，為大數(shù)據(jù)時代互聯(lián)網(wǎng)信息技術(shù)的發(fā)展和視頻在線觀看與下載提供了有力支撐。用戶的需求隨著科技的進(jìn)步更加多樣化，面對如此龐大的信息數(shù)據(jù)和用戶多樣化的需求，傳統(tǒng)的檢索式影視平臺顯然滿足不了用戶的觀影需求，用戶需要一種可以對龐大影視信息進(jìn)行準(zhǔn)確過濾和快速篩選的技術(shù)，保證日常需求，進(jìn)而保證影視平臺用戶的忠誠度。因此智能推薦系統(tǒng)成為計算機(jī)領(lǐng)域研究的重點，其核心推薦算法的研究更是重中之重。

1 研究現(xiàn)狀

目前國內(nèi)外關(guān)于推薦算法的研究大致從人們點擊、收藏、組群等行為信息中尋找特征并融合進(jìn)自己的算法，例如協(xié)同過濾算法、分類方法等。而電影推薦領(lǐng)域，因舉辦Netflix競賽一直受到人們的重視與關(guān)注。隨著海量數(shù)據(jù)的快速增長，如何迅速找到有用信息成為研究人員研究關(guān)注的重點。Lemire等提出了Slope One算法，因其簡單高效，在協(xié)同過濾算法中受到很大關(guān)注。麻省理工、加州理工大學(xué)的學(xué)者發(fā)表了關(guān)于協(xié)同過濾的論文，如算法Ringo—音樂推薦，算法Jster—笑話推薦，算法Video Recommender—視頻推薦等。郭貴冰創(chuàng)辦的LibRec團(tuán)隊開發(fā)設(shè)計了LibRec系統(tǒng)，它是基于java的開源推薦系統(tǒng)，其中包含了協(xié)同過濾、內(nèi)容推薦在內(nèi)的70余種推薦算法。

對推薦系統(tǒng)的應(yīng)用不僅使客戶擁有更好的用戶體驗，更提升了當(dāng)代互聯(lián)網(wǎng)公司用戶的忠誠度。字節(jié)跳動公司通過推薦算法，開發(fā)了“今日頭條”和“抖音短視頻”兩款用戶過億的應(yīng)用軟件，算法經(jīng)過相關(guān)性特征、環(huán)境特征等信息訓(xùn)練之后，為用戶推薦感興趣的作品。阿里巴巴公司旗下淘寶網(wǎng)通過記錄用戶購買過的物品、瀏覽過的物品、收藏過的物品、年齡特征等一系列特征因素，建模預(yù)測該用戶可能喜歡的商品。豆瓣的電影推薦系統(tǒng)，通過對目標(biāo)用戶行為偏好的抓取建立預(yù)測模型，進(jìn)而對用戶進(jìn)行分類。百度公司對統(tǒng)計用戶的搜索行為建模，為用戶推薦其可能需要的信息。以上商業(yè)軟件為商業(yè)領(lǐng)域推薦算法的研究提供了思路，但因其過于深奧，并不適用于學(xué)生學(xué)習(xí)，尤其是專科學(xué)生在算法及計算機(jī)應(yīng)用方面的學(xué)習(xí)。

本文基于普通高等專科學(xué)校學(xué)生特點，設(shè)計和總結(jié)出基于協(xié)同過濾的智能影視推薦系統(tǒng)設(shè)計與實現(xiàn)，系統(tǒng)的實現(xiàn)可以幫助?？茖W(xué)生詳細(xì)了解當(dāng)前計算機(jī)領(lǐng)域熱點內(nèi)容，幫助學(xué)生搭建起算法及系統(tǒng)框架，為學(xué)生日后發(fā)展奠定基礎(chǔ)。

2 基于協(xié)同過濾的智能影視推薦系統(tǒng)設(shè)計

2.1 建立用戶模型

選用基于用戶的協(xié)同過濾算法為本文個性化推薦提供技術(shù)支持，其優(yōu)點在于用戶-評分矩陣越完整推薦準(zhǔn)確率越高。原理為：若對用戶A進(jìn)行智能影片推薦，首先算法計算出與用戶A點擊、觀看等行為相似的用戶群體G，然后把G群體觀看過但用戶A并未觀看的影片推薦給用戶A。

表1是用戶user對項目item的評分，該矩陣的一個行向量表示為用戶-項目評分向量。

表1 m＊n用戶-項目評分矩陣

評分?jǐn)?shù)值根據(jù)用戶的行為進(jìn)行分析，表2為顯性評分與隱性評分。

表2 評分內(nèi)容

本文的智能影視推薦設(shè)計使用瀏覽、點擊、收藏獲得隱性評分值，再將該評分制作為評分矩陣。

2.2 尋找目標(biāo)用戶的最近鄰

通過目標(biāo)用戶和其他用戶相似度的計算，找出和目標(biāo)用戶具有最大相似值的其他用戶，得到最近鄰的數(shù)據(jù)集合。相似度計算步驟與方法如表3所示。

表3 相似度計算步驟與方法

中心另一家企業(yè)銀川奧特信息技術(shù)公司董事長陳華和他的研發(fā)團(tuán)隊深耕智慧農(nóng)牧領(lǐng)域，研發(fā)了“物聯(lián)網(wǎng)+奶牛養(yǎng)殖技術(shù)”。有了這項技術(shù)，牧場主只要輕點手機(jī)，即便千里之外，也能隨時隨地掌握奶牛的健康、發(fā)情配種等情況。10月12日，奧特公司發(fā)布奶牛發(fā)情監(jiān)測解決方案白皮書，進(jìn)而在這一領(lǐng)域有了 “話語權(quán)”。

2.3 產(chǎn)生推薦項目

在用戶最近鄰集合NESi中查找用戶，并將目標(biāo)用戶與查找到的用戶的相似度的值作為權(quán)值，將鄰居用戶對該項目的評分與此鄰居用戶的所有評分的差值進(jìn)行加權(quán)平均。計算方法如下：

2.4 個性化推薦算法實現(xiàn)

構(gòu)建用戶評分矩陣，軸為項目ID，軸為用戶ID，單元格表示項目評分，單元格內(nèi)為空表示沒有評分，結(jié)果如表4所示。

表4 評分表

假設(shè)：已知用戶1和用戶2的向量，使用余弦相似性計算用戶之間相似性，若找到用戶1的最近鄰，則計算用戶1和其他所有用戶的相似度，選擇前十個結(jié)果作為最近鄰居。根據(jù)此算法，不同的用戶可以推薦出不同的影視，并且對于任意一個用戶，他們的點擊與瀏覽行為均有所不同，因此，可以實現(xiàn)個性化推薦。

2.5 系統(tǒng)設(shè)計思路

系統(tǒng)包括前臺和后臺兩個模塊，前臺功能包括登錄、注冊、首頁、電影分類、電影推薦、用戶中心等功能模塊；后臺包括圖片管理、電影管理、類別管理等功能模塊，系統(tǒng)功能結(jié)構(gòu)圖如圖1所示。

圖1 系統(tǒng)功能結(jié)構(gòu)圖

數(shù)據(jù)庫的設(shè)計使用E-R圖描述各個功能需求，如圖2、3、4所示，采用MySQL數(shù)據(jù)庫管理數(shù)據(jù)，用戶表（users）存儲用戶性別等基本信息，電影表（movie）存儲電影片名等基本信息，系統(tǒng)中使用到的主要數(shù)據(jù)表有admin表、article表、asign表等。

圖2 管理E-R體圖

圖3 影視信息E-R圖

圖4 影視類別信息E-R圖

3 基于協(xié)同過濾的智能影視推薦系統(tǒng)實現(xiàn)

登錄模塊用來驗證身份，管理員進(jìn)入后臺管理系統(tǒng)，進(jìn)行如影片添加、刪除、修改影片信息等操作。注冊功能在注冊界面，輸入用戶名、密碼等信息即可完成注冊，登錄頁面實現(xiàn)如圖5所示。

圖5 登錄頁面

電影推薦模塊可以展示推薦電影，用戶可以查看詳情進(jìn)行在線觀看、添加、收藏等操作，影片分類模塊主要展示不同類型影片，用戶可以根據(jù)自己喜歡的影片類型進(jìn)行分類查看。方便用戶迅速查找自己喜愛的影片類型，圖6為推薦模塊的實現(xiàn)，圖7為分類模塊的實現(xiàn)。

圖6 推薦模塊

圖7 分類模塊

后臺主要實現(xiàn)了圖片管理、電影管理、類別管理等功能，系統(tǒng)管理員可以通過后臺管理功能來實現(xiàn)對電影推薦系統(tǒng)的管理，圖片管理功能模塊可實現(xiàn)對圖片信息進(jìn)行查詢、上傳等操作；電影管理功能模塊實現(xiàn)對電影信息的增、刪、改、查操作。

檢驗軟件系統(tǒng)是否符合預(yù)定要求的最后一步是系統(tǒng)測試，其不但可以為系統(tǒng)找出更多的錯誤，并且可以給出相對應(yīng)的解決方法。用戶注冊測試、電影列表測試分別見表5和表6。

表5 用戶注冊測試表

表6 電影列表測試表

測試結(jié)果表明，界面完整且跳轉(zhuǎn)正常，用戶注冊、用戶登錄等功能可以正常使用，電影列表可以正常點擊、評論、收藏，本系統(tǒng)所有功能均可實現(xiàn)，操作簡單、運行性能良好，符合預(yù)期設(shè)想與用戶需求。

4 結(jié)語

本文以協(xié)同過濾算法為主要算法，本著服務(wù)職校學(xué)生理解與運用機(jī)器學(xué)習(xí)基本算法的實現(xiàn)原則，以講解協(xié)同過濾算法為開端，構(gòu)建系統(tǒng)模型，實現(xiàn)系統(tǒng)設(shè)計，完成系統(tǒng)測試，驗證系統(tǒng)的有效性。將來繼續(xù)以突破算法為重點，實現(xiàn)更精準(zhǔn)的推薦。