基于协同过滤算法的电影推荐系统及相关电影数据挖掘

成员

• 郭 强: 2120160993
• 尚子钰： 2120161034
• 廖晨宇： 2120161014

问题描述

1.问题背景分析及相关工作

推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或者“偏好”。推荐系统近年来非常流行，应用于各行各业。推荐的对象包括：电影、音乐、新闻、书籍、学术论文、搜索查询、分众分类以及其他产品。也有一些推荐系统专门为寻找专家、合作者、笑话、餐厅、美食、金融服务、生命保险、网络交友以及twitter页面设计。协同过滤，简单来说就是利用某些兴趣相投、拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应（如评分，回应不一定局限于特别感兴趣的，特别不感兴趣的信息记录也相当重要）并记录下来以达到过滤的目的，进而帮助别人筛选信息。

2.问题描述

（1）数据预处理。包括对数据进行分析与整理、填补缺失数据、对数值数据进行离散化。（2）挖掘关联信息和相关性信息，挖掘不同性别、年龄的观影者对不同电影的评分倾向性和关联性，挖掘不同性别的观影人群最具差异性评分的50部电影。（3）电影推荐系统。利用协同过滤算法对观影者进行推荐，推荐其最可能想看的电影。于此同时，为新上映电影预测目标观影人群。

目标

经过实验操作，挖掘电影评分当中蕴含的关联信息和相关性，为观影者推荐适合其的电影。

项目分工

• 郭 强：利用协同过滤算法挖掘关联规则，完成电影推荐。利用朴素贝叶斯分类方法，为新上映电影推荐目标观影人群
• 尚子钰：数据预处理，挖掘电影关联信息、挖掘性别、年龄对不同类型电影的不同倾向性，挖掘性别差异导致的电影评分差异
• 廖晨宇：数据预处理，算法设计，文档编写