java毕设——电影推荐系统(协同过滤+springboot+vue)

        本人根据毕设写出一个较为简单的小项目,最后毕设也是成功通过。因为签的工作还有段时间入职,闲来无事写这个贴子。(想了解代码的可以私我,保证你运行无阻)。

        技术如标题所用,推荐算法使用的是比较经典的协同过滤(基于用户)。前后台均有些功能。可以先看看截图:

        用户登陆之后进入电影主页,可以模糊搜索,支持分页跳转,点击电影之后进入详情界面。

  

        在这个界面,如果喜欢该电影可以点击收藏,系统会根据收藏的电影进行个性化推荐。下面的猜你喜欢就是根据你点击的电影,获取该电影的类别(类别可能有多个)进行类别随机数选择从数据库中查询。

         个人中心,用户修改自己的信息,预览收藏的电影。

         管理员界面,哦对了,这些电影数据都是用爬虫直接从网站爬取的(代码也有的),可以正常播放的。

 管理员不能修改用户的信息,只能设置权限是否可以正常登陆,登陆时会进行判断。

 当然,也有一些比较简单的设置去解决冷启动(我给老师展示,老师都有点绷不住,哈哈哈)

就是在注册的时候,用户填写年龄和性别,以及选择喜欢的电影种类;

推荐优先级:根据收藏类型>注册选择类别>年龄和性别推测(这个直接用gpt)>高分电影推荐

 

 点击个性化推荐时,后台会打印出推荐的类别。

 如果各位佬有其他高见,欢迎指正加批评。

  • 7
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
项目完整可用,配合压缩包内数据库可直接运行使用。 eclipse+mysql5.7+jdk1.8 功能:推荐引擎利用特殊的信息过滤(IF,Information Filtering)技术,将不同的内容(例如电影、音乐、书籍、新闻、图片、网页等)推荐给可能感兴趣的用户。通常情况下,推荐引擎的实现是通过将用户的个人喜好与特定的参考特征进行比较,并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的,或是基于用户所在的社会或社团环境。 根据如何抽取参考特征,我们可以将推荐引擎分为以下四大类: • 基于内容的推荐引擎:它将计算得到并推荐给用户一些与该用户已选择过的项目相似的内容。例如,当你在网上购书时,你总是购买与历史相关的书籍,那么基于内容的推荐引擎就会给你推荐一些热门的历史方面的书籍。 • 基于协同过滤推荐引擎:它将推荐给用户一些与该用户品味相似的其他用户喜欢的内容。例如,当你在网上买衣服时,基于协同过滤推荐引擎会根据你的历史购买记录或是浏览记录,分析出你的穿衣品位,并找到与你品味相似的一些用户,将他们浏览和购买的衣服推荐给你。 • 基于关联规则的推荐引擎:它将推荐给用户一些采用关联规则发现算法计算出的内容。关联规则的发现算法有很多,如 Apriori、AprioriTid、DHP、FP-tree 等。 • 混合推荐引擎:结合以上各种,得到一个更加全面的推荐效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值