摘 要
随着互联网与移动互联网迅速普及，网络上的电影娱乐信息数量相当庞大，人们对获取感兴趣的电影娱乐信息的需求越来越大，个性化的电影推荐系统成为一个热门。然而电影信息的表示相当复杂，已有的相似度计算方法与推荐算法都各有优势，导致单一的相似度计算方法与推荐算法无法合适地应用于电影推荐系统中。大量的电影数据的管理运营随着数据量的增长也变得越来越复杂，因此，如何综合各种算法的优势给用户可靠的电影推荐结果，并保证用户能访问到正确的推荐数据成为推荐系统设计中需要解决的一个重要问题。系统在推荐模块中使用了更切合实际的电影相似度计算方法，结合协同过滤算法与基于内容的过滤算法，有效的解决了系统的冷启动问题和推荐的准确性问题，推荐算法使用集中平均法来预测用户对电影的评分，避免了用户个人评分习惯对预测评分产生的不利影响。将数据集，推荐引擎，评分预测器，相似度计算器等重要部件高度分离，并提供各种有效的具体实现算法派生类。在运营模块中将系统分为测试环境与正式环境两部分，在测试环境中进行测试，然后同步到正式环境中，使用新型同步算法与错误检测算法提高系统的准确性与效率。系统推荐模块的可扩展性非常强，根据具体的数据集可选择适合的评分预测器与相似度计算器，可以使用系统自带的经典算法，也可以自定义推荐算法，使得推荐结果的准确性大大提高。在运营模块中使用数据库依赖同步算法与错误检测算法使得数据的运营准确性与效率大大提高。
关键词：影迷 ；互动 ；平台
ABSTRACT
With the rapid popularization of Internet and mobile Internet, the number of entertainment information on the Internet is huge, the needs of people interested in obtaining the film entertainment and more information, personalized movie recommendation system has become a hot. However, the film information representation is very complicated, the existing similarity calculation method and recommendation algorithm have advantages, leading to a single similarity calculation method and recommendation algorithm can not be suitable for application in the movie recommender system. A large number of movie data management with the growth of data quantity is becoming more and more complex, therefore, how to integrated the advantages of various algorithms to recommend reliable results to the user of the film, and to ensure that a user can access the recommended data correctly to be recommended for an important problem need to be solved in the design of system. System in recommendation module using a more realistic movie similarity calculation method, combined with collaborative filtering and content-based filtering algorithms, effectively solve the problem of accuracy cold start problem and recommendation system, recommendation algorithm using average method to predict the users of the film score, to avoid adverse effects on user rating the prediction score used. The data set, the recommendation engine, an important component of the similarity score predictor, calculator and other highly separated, and provide the concrete algorithm derived effective. In the operation module, the system is divided into two parts the test environment and formal environment, tested in a test environment, and then synchronized to the formal environment, to improve the accuracy and efficiency of the system using the new synchronization algorithm and error detection algorithm. The system recommendation module is very scalable, according to the specific data set can choose the score predictor and similarity calculator, classical algorithm can use the system provided, you can also customize the recommendation algorithm, which greatly improves the accuracy of the recommendation. In the operation module, the database dependent synchronization algorithm and error detection algorithm are used to improve the accuracy and efficiency of data operation.
Keywords: Fan; interaction; platform
目 录
影迷互动的网络平台设计与实现
1.前言
自2003年电影产业化改革启动以来的十余年间，中国电影的市场规模便一直保持着每年30%左右的增长。 2005年，中国电影在度过百年华诞之后，迎来了蓬勃发展的“新元年”，电影产业在国内经济高速发展、综合国力不断增强、电影产业化改革和市场需求的拉动下，焕发出 旺盛的生命力和可持续发展的巨大潜力。2010年，中国电影全年票房首次突破百亿元大关。
电影行业的不断发展离不开影迷的支持，在电影行业的发展的同时，影迷也隐然的有着巨大的发展。随着影迷群体的不断增长，影迷的交流也越来越多。目前在这方面做得比较好的有大众影评网，豆瓣电影网以及电影网。
大众影评网优点有符合用户的口味了，人性化程度高。有互动功能，用户更方便点评和互动。缺点它不设订票系统，不方便影迷的一站式观影服务。
豆瓣电影网就与电影院的联动比较好，能准确定位城市，推荐较近的观影地点。但是缺乏影迷互动，单纯以影评评论方式体现互动。
电影网有关于电影的新闻和重大电影事件的报导。以及每日票房的具体数据。更可以下载影视相关的图片。不足是其不存在互动。
1.2 课题目标
电影产业在国内经济高速发展也就应运的导致影迷群体的不断发展，而影迷群体的不断增长也就伴随着的互动越来越多，这个平台主要提供影迷交流互动的一个高效、集中的渠道，给影迷一个能够集中评价影片和互动的平台。综合现有网络平台优点，实现亲民的互动网络平台。
简称影评，是对一部电影的导演、演员、镜头语言、拍摄技术、剧情、线索、环境、色彩、光线等进行分析和批评，又称电影批评。电影评论的目的在于分析、鉴定和评价蕴含在银幕中的审美价值、认识价值、社会意义、镜头语言等方面，达到拍摄影片的目的，解释影片中所体现出的道理，既能通过分析影片的成败得失，帮助导演开阔视野，提高创作水平，以促进电影艺术的繁荣和发展；还能通过分析和评价，影响观众对影片的理解和鉴赏，提高观众的欣赏水平，从而间接促进电影艺术的发展。