摘 要

现如今推荐系统已成为各大视频网站提升用户体验度的重要工具，其性能影响着用户体验感进而影响着电影提供商的直接效益。本文基于Apriori这个用于挖掘频繁项集和关联规则的推荐算法，设计和实现了一个电影影讯推荐系统。

本文设计实现的内容主要有根据用户电影评分数据以及用户浏览电影历史记录这两个因素完成对用户的电影推荐，其中的推荐不仅限于个性化推荐，还有新片推荐，以及热门影片推荐。而用户每次使用完系统之后产生的浏览信息及评分信息等业务数据信息会被系统保存，以供用户查阅及更新推荐结果。后台管理员能定期对电影系统的电影信息及推荐信息进行更新。

最终经过运行测试证明，本系统能满足用户能取得个性化推荐的基本要求，说明利用Apriori算法结合评分与历史记录两个因素能产生合理的电影影讯推荐结果。

关键词：Apriori算法；用户评分；用户历史记录；关联规则；电影推荐

Design and implementation of movie recommendation system based on Apriori algorithm

ABSTRACT

Nowadays, recommendation system has become an important tool for major video websites to enhance user experience, and its performance affects user experience and the direct benefit of film providers. This paper designs and implements a movie recommendation system based on Apriori, a recommendation algorithm for mining frequent itemsets and association rules.

The content of this paper is mainly based on the user's movie rating data and the user's browsing movie history to complete the recommendation of the user's movie. The recommendation is not only limited to personalized recommendation, but also new film recommendation and popular film recommendation. Business data such as browsing information and rating information generated by users after each use of the system will be saved by the system for users to consult and update the recommended results. Backstage administrators can regularly update the movie information and recommendation information of the film system.

Finally, the running test proves that the system can meet the basic requirements of personalized recommendation. It shows that using Apriori algorithm combined with scoring and historical records can produce reasonable movie and video recommendation results.Key words：Apriori algorithm，user rating，user history，association rules，movie recommendation.

目 录

1 绪论 1

1.1 课题背景以及研究意义 1

1.1.1 课题背景 1

1.1.2 研究意义 1

1.2 国内外发展现状 1

1.2.1 推荐系统发展历史 1

1.2.2 国内外同类研究概况 2

1.3 本文主要研究内容 3

1.4 特色与创新 4

1.5 本章小结 5

2 Apriori推荐算法的研究 6

2.1 Apriori推荐算法简介 6

2.2 计算频繁项目集 6

2.3 产生推荐系统中的关联规则 7

2.4 本章小结 9

3 系统总体架构与技术路线 10

3.1 系统需求分析 10

3.1.1 功能性需求 10

3.1.2 非功能性需求 12

3.2 系统总体架构和功能设计 13

3.2.1 系统总体架构 13

3.2.2 功能模块设计 14

3.3 技术架构和开发环境 16

3.3.1 技术架构 16

3.3.2 开发环境 16

3.4 本章小结 16

4 系统实现与测试 17

4.1 系统数据库设计 17

4.2 系统功能模块 22

4.2.1 推荐模块 22

4.2.2 登陆鉴权模块 26

4.2.3 管理员模块 26

4.2.4 热门影片模块 27

4.2.5 新收录影片模块 27

4.3 系统运行效果 28

4.5 系统测试 30

4.5.1 功能测试 30

4.5.2 性能测试 32

4.6 本章小结 33

结论 34

致谢 35

参考文献 36

1 绪论

1.1 课题背景以及研究意义

1.1.1 课题背景

随着互联网的快速发展，人们看电影的主要方式渐渐从去电影院观看变成了在线观看。在线观看时又会由于网上电影资源的庞大，由于不可能接触到所有的电影信息，甚至不知道自己想看什么，所以就不可避免的出现了观看者搜索喜爱影片时耗费了巨大时间与精力的情况。

针对这种信息过于庞大，不方便检索的问题，按照以往的经验是使用基于被动的响应模式，通过将网站信息一层层分类，用户检索时根据搜索信息关键词一层层进入直到找到他们想要的信息。尽管如此，用户虽然减小了搜索范围，只需要在展示出来的同类信息里进行选择即可，但是实际上用户还是需要依靠大量的时间精力去筛选出需要的内容，即便用户可以巧用需要的信息关键词进行搜索，但呈现出的结果还是很冗杂的，因此，使用某种算法去辅助用户高效选择影片是很有必要的。

1.1.2 研究意义