賈忠濤

摘要：隨著互聯(lián)網(wǎng)與移動(dòng)終端的普及，網(wǎng)絡(luò)上的電影娛樂(lè)信息數(shù)量海量增加，用戶對(duì)電影個(gè)性化服務(wù)的需求日益旺盛。設(shè)計(jì)電影個(gè)性化推薦系統(tǒng)，該系統(tǒng)基于B/S模式，采用JavaEE體系架構(gòu)。個(gè)性化電影推薦服務(wù)能夠挖掘用戶信息、電影項(xiàng)目信息間隱藏的關(guān)聯(lián)性，從而發(fā)現(xiàn)用戶的潛在興趣，將用戶可能感興趣的影視片推薦給用戶。

關(guān)鍵詞：個(gè)性化推薦；電影推薦；協(xié)同過(guò)濾；JavaEE架構(gòu)

DOIDOI：10.11907/rjdk.143727

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：16727800（2015）001008603

0 引言

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，當(dāng)今社會(huì)已進(jìn)入了信息爆炸時(shí)代。便利的互聯(lián)網(wǎng)和日益普及的移動(dòng)終端極大地提高了人們的生活質(zhì)量。網(wǎng)絡(luò)上供用戶觀看的電影數(shù)量龐大、類型多樣[1]，從海量的影片資源中找到一部自己喜歡的電影變的越來(lái)越困難，海量影片信息的利用率很低。

個(gè)性化推薦技術(shù)是一種信息過(guò)濾的手段，可以挖掘用戶的興趣偏好[2]，根據(jù)用戶的興趣向用戶推薦感興趣的信息，提供針對(duì)用戶的個(gè)性化服務(wù)，解決了信息過(guò)載的問(wèn)題。協(xié)同過(guò)濾算法是一種應(yīng)用廣泛的個(gè)性化推薦算法，能根據(jù)用戶對(duì)項(xiàng)目的評(píng)價(jià)找出用戶與用戶之間以及電影與電影之間的相似性，從相似的用戶或電影中找到目標(biāo)的最近鄰居，根據(jù)最近鄰居的信息作出推薦。

搭建一個(gè)基于協(xié)同過(guò)濾算法的電影個(gè)性化推薦系統(tǒng)，能幫助用戶挑選喜歡的電影，節(jié)省用戶尋找資源的時(shí)間，提高用戶的體驗(yàn)，同時(shí)還能提高用戶和系統(tǒng)的粘著度。同時(shí)，用戶能快速找到感興趣的資源，也能減輕一個(gè)站點(diǎn)的網(wǎng)絡(luò)負(fù)載[3]。

1 個(gè)性化推薦

個(gè)性化推薦是根據(jù)用戶的興趣特點(diǎn)和購(gòu)買行為，向用

戶推薦感興趣的信息，幫助用戶決定應(yīng)該選擇什么對(duì)象，模擬銷售人員幫助客戶完成購(gòu)買過(guò)程[4]。電影推薦系統(tǒng)則根據(jù)用戶的興趣特點(diǎn)和行為，向用戶推薦其感興趣的電影信息[5]。通過(guò)建立用戶與電影之間的二元關(guān)系，根據(jù)用戶的歷史記錄發(fā)掘用戶潛在興趣，從而針對(duì)用戶提供推薦服務(wù)。如：①根據(jù)用戶的歷史記錄，包括用戶對(duì)電影的瀏覽記錄和用戶電影的評(píng)價(jià)，找出用戶的相似用戶或者某部電影的相似電影；②針對(duì)目標(biāo)用戶，向用戶推薦用戶可能喜歡的電影。本文電影個(gè)性化推薦主要包括熱門大片推薦、新片推薦、冷門佳片推薦和關(guān)聯(lián)電影推薦。

2 協(xié)同過(guò)濾算法

協(xié)同過(guò)濾算法的基本思想是將興趣相似用戶所感興趣的信息推薦給目標(biāo)用戶。如音樂(lè)推薦、電影推薦等。協(xié)同過(guò)濾算法分為：基于用戶的協(xié)同過(guò)濾和基于項(xiàng)目的協(xié)同過(guò)濾[6]。

基于用戶（Userbased）協(xié)同過(guò)濾利用歷史數(shù)據(jù)尋找用戶鄰居，根據(jù)評(píng)分相似的最近鄰居的評(píng)分?jǐn)?shù)據(jù)向目標(biāo)用戶生成推薦。其原理為：最近鄰居對(duì)項(xiàng)目的評(píng)分與目標(biāo)用戶非常相似，因此可以通過(guò)最近鄰居對(duì)項(xiàng)目評(píng)分的加權(quán)平均值來(lái)接近目標(biāo)用戶對(duì)未評(píng)分項(xiàng)目的評(píng)分，以最近鄰居的已評(píng)分信息對(duì)目標(biāo)用戶生成推薦。

基于項(xiàng)目（Itembased）協(xié)同過(guò)濾推薦[7]依賴項(xiàng)目間的關(guān)聯(lián)來(lái)決定推薦。根據(jù)目標(biāo)用戶已經(jīng)評(píng)價(jià)過(guò)的項(xiàng)目，計(jì)算該項(xiàng)目與其它項(xiàng)目的相似性，選擇一系列最相似的項(xiàng)目生成推薦。由于項(xiàng)目間的相似性，對(duì)已知項(xiàng)目的評(píng)分可以推斷出其它項(xiàng)目的評(píng)分范圍，以已評(píng)分項(xiàng)目相似的項(xiàng)目作為推薦。

本文采用基于用戶的協(xié)同過(guò)濾算法實(shí)現(xiàn)熱門大片推薦，利用基于項(xiàng)目的協(xié)同過(guò)濾算法實(shí)現(xiàn)關(guān)聯(lián)電影的推薦。此外，還可以根據(jù)電影的訪問(wèn)與評(píng)價(jià)情況，作出新片推薦和冷門佳片的推薦。

3 電影個(gè)性化推薦系統(tǒng)設(shè)計(jì)

3.1 架構(gòu)設(shè)計(jì)

系統(tǒng)基于B/S模式，架構(gòu)采用JavaEE體系，整個(gè)系統(tǒng)部署在tomcat服務(wù)器上。其架構(gòu)如圖1所示。

圖1 系統(tǒng)架構(gòu)

用戶UI采用html+css+javascript解決方案。后臺(tái)采用Struts2，Hibernate和Spring。該架構(gòu)采用面向?qū)ο蟮姆治雠c設(shè)計(jì)方法，利用SSH的成熟架構(gòu)，保障系統(tǒng)高內(nèi)聚、低耦合的系統(tǒng)邏輯，分層清晰，穩(wěn)定性好。

3.2 系統(tǒng)功能

電影個(gè)性化推薦系統(tǒng)的功能模塊分為接口層、業(yè)務(wù)邏輯層、核心數(shù)據(jù)層等3個(gè)層次。接口層提供對(duì)外的服務(wù)接口；業(yè)務(wù)邏輯層實(shí)現(xiàn)相應(yīng)的各種算法和信息管理功能，可分為用戶信息管理與電影信息管理兩部分；核心數(shù)據(jù)層存放整個(gè)系統(tǒng)的核心業(yè)務(wù)數(shù)據(jù)，如計(jì)算推薦列表需要的用戶信息和電影信息、用戶相似度列表、電影相似度列表等。功能模塊設(shè)計(jì)如圖2所示。

圖2 系統(tǒng)功能模塊

（1）用戶接口。推薦系統(tǒng)用戶接口主要包括查看推薦、注冊(cè)登錄、觀看、評(píng)分和瀏覽。新用戶注冊(cè)過(guò)程中需要填寫基本信息，如年齡、性別、職業(yè)等，注冊(cè)后填寫個(gè)人興趣愛(ài)好標(biāo)簽信息，用戶即可進(jìn)行正常的評(píng)分瀏覽等操作。隨著系統(tǒng)與用戶的交互，系統(tǒng)記錄用戶的信息并逐漸獲取用戶的興趣愛(ài)好。用戶可以對(duì)喜愛(ài)的電影進(jìn)行評(píng)分，系統(tǒng)將用戶的評(píng)分和瀏覽行為存入日志，并調(diào)用數(shù)據(jù)分析引擎對(duì)用戶的行為進(jìn)行分析，更新用戶存儲(chǔ)信息。

（2）電影信息管理。電影信息管理模塊包括：分類管理、排行榜、基本信息管理和核心推薦。分類管理和排行榜是為用戶挑選自己喜歡的電影而設(shè)置，作為電影個(gè)性化推薦的補(bǔ)充。常見(jiàn)的排行榜有熱門電影排行榜、高分大片排行榜、票房榜等。熱門電影根據(jù)電影被瀏覽和觀看的記錄計(jì)算得到；高分大片排行榜從平均評(píng)分較高的電影中挑選得到。

（3）個(gè)性化推薦算法。此模塊是電影推薦系統(tǒng)的核心，利用協(xié)同過(guò)濾算法計(jì)算出用戶、電影的近鄰數(shù)據(jù)，存入到數(shù)據(jù)庫(kù)中。這些數(shù)據(jù)是個(gè)性化推薦的直接信息來(lái)源，例如用戶的K個(gè)最近鄰居、推薦給某個(gè)用戶的N部電影。當(dāng)用戶的興趣發(fā)生變化時(shí)，系統(tǒng)能捕捉到，并重新作出推薦。由于該模塊需要大量的計(jì)算空間，可設(shè)置為線下運(yùn)行。

3.3 數(shù)據(jù)庫(kù)設(shè)計(jì)

數(shù)據(jù)庫(kù)是整個(gè)推薦系統(tǒng)的基礎(chǔ)。數(shù)據(jù)庫(kù)主要包括用戶表（users）、電影表（movie）、打分表（rate）、電影類型表（movieType）、類型表（type）、用戶相似度表（similar）和電影相似度表（movieSimilar）。其相互關(guān)系如圖3所示。

圖3 數(shù)據(jù)庫(kù)設(shè)計(jì)

用戶表（users）存儲(chǔ)用戶的基本信息：用戶名、年齡、性別、職業(yè)等。電影表（movie）存儲(chǔ)電影的基本信息，包括名字、類型、發(fā)布日期等。打分表（rate）記錄用戶對(duì)電影的評(píng)分，是協(xié)同過(guò)濾算法的基礎(chǔ)，也是整個(gè)推薦系統(tǒng)的基礎(chǔ)。電影類型表（movieType）和類型表（type）存儲(chǔ)電影的類型，方便用戶檢索。用戶相似度表（similar）和電影相似度表（movieSimilar）通過(guò)協(xié)同過(guò)濾算法計(jì)算得到信息，是個(gè)性化推薦的直接信息來(lái)源。

4 系統(tǒng)運(yùn)行效果

電影推薦站點(diǎn)負(fù)責(zé)與普通用戶直接交互，收集用戶的行為，主要由Jsp和Ajax等技術(shù)實(shí)現(xiàn)，采用Struts2框架。推薦站點(diǎn)由注冊(cè)頁(yè)面、登錄頁(yè)面、電影列表、已評(píng)價(jià)影片頁(yè)

面、影片推薦頁(yè)面和個(gè)人信息統(tǒng)計(jì)頁(yè)面等組成。

用戶注冊(cè)后，系統(tǒng)會(huì)捕捉用戶顯式和隱式行為特征，并將這些特征保存在用戶的數(shù)據(jù)庫(kù)中。系統(tǒng)根據(jù)采集到的信息，向用戶進(jìn)行個(gè)性的電影推薦。

系統(tǒng)在Windows平臺(tái)下運(yùn)行，使用LoaderRunner 9.5進(jìn)行壓力測(cè)試，通過(guò)模擬50個(gè)用戶對(duì)系統(tǒng)進(jìn)行20分鐘的壓力測(cè)試，測(cè)試表明用戶可以在該系統(tǒng)上完成的所有業(yè)務(wù)，系統(tǒng)穩(wěn)定。

5 結(jié)語(yǔ)

本文針對(duì)當(dāng)前信息過(guò)載和用戶對(duì)個(gè)性化電影推薦需求，提出一種基于協(xié)同過(guò)濾算法的電影個(gè)性化推薦系統(tǒng)。該系統(tǒng)采用JavaEE架構(gòu)，通過(guò)記錄用戶的行為，挖掘用戶的潛在興趣，對(duì)用戶作出個(gè)性化電影推薦。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)具有很好的穩(wěn)定性。本文對(duì)于類似個(gè)性化推薦技術(shù)開(kāi)發(fā)亦具有參考借鑒意義。