电影推荐系统

什么是推荐系统

推荐系统是在面对用户信息过载的情况下，或者在用户没有明确购买信息的情况下，通过程序或工具自动化实现物品或商品的自动推荐过程。（而不依赖外部专家）
为了能够给用户推荐感兴趣的新奇，我们首先分析该用户的兴趣，从海量信息中选择出用户兴趣相似的信息，并讲这些信息推荐给用户。
推荐系统的任务就是能够连接信息与用户，帮助用户找到其感兴趣的信息，同时让一些有价值的信息能够到达潜在的用户中。

推荐系统一般由哪几部分？

推荐系统一般有三个部分组成，前端的交互界面，日志系统以及推荐算法系统。

推荐系统的应用场景特点是什么？

（1）、存在信息过载的情况，用户不能很容易从所有物品中找到喜欢的物品。
（2）、用户大部分时候没有特别明确的需求

推荐系统的应用举例？

（1）、电子商务：亚马逊，京东，淘宝，天猫…
（2）、电影视频网站：Netflix， YouTube…
（3）、个性化音乐网络电台：豆瓣电台，喜马拉雅，网易音乐…
（4）、个性化广告：百度搜索引擎…
…

用到的推荐算法

一、简述或举例子说明基于内容的推荐算法
基于内容的推荐算法，原理使用户喜欢和自己关注item在内容上类似item，比如你看了哈利波特，基于内容的推荐算法发现哈利波特ll-VI，与你之前观看的在内容上面（共有很多关键词）有很大关联性，就把后者推荐给你。

二、简述或举例说明基于模型的推荐算法
该类型的推荐算法是通过预先设定的计算模型来实现推荐，常常用于实时推荐，相比其他离线推荐算法可以缩短推荐实现，本项目中实时推荐算法通过根据具体业务构建了想要的推荐模型来实现推荐。

三、简述或举例说明基于用户的协同过滤算法
比如你想看一个电影，但是不知道具体看哪一部，你会怎么做？有两种办法，一种是问问周围兴趣爱好相似的朋友，另外看看电影的相似程度。
协同过滤算法就是基于上面的思想，主要包含基于用户的协同过滤推荐算法以及基于物品的协同过滤推荐算法。

四、一般协同过滤算法，需要几个步骤？
（1）、收集用户偏好
（2）、找到相似的用户或者物品
（3）、计算推荐

五、基于用户的CF伪代码实现

六、基于物品的CF伪代码实现
（1）、先计算物品-物品的相似矩阵

（2）、再给用户推荐

推荐系统架构

一、简述或者手写系统的架构图，并叙述各部分的功能

• 用户可视化：主要负责实现和用户的交互以及业务