本栏目责任编辑：谢媛媛软件技术ComputerKnowledgeandTechnology电脑知识与技术第19卷第4期(2023年2月）基于Django框架的电影推荐系统的设计与实现武玲梅，李秋萍，黄秀芳，张立强，董力量，罗芳琼（广西科技师范学院数学与计算机科学学院，广西来宾546199)摘要：智能化推荐系统的出现为人们生活带来了便利，在电影领域，它不仅能够挖掘用户喜好，在增加电影点击率的同时也创造一定的商业价值。文章主要工作是研究基于邻域的协同过滤算法，在修正相似度算法的基础上实现基于用户和物品的混合算法，其混合方式是将两个算法生成的推荐结果按加权式混合技术产生推荐列表，在Movielens数据集上构建并基于Django框架的电影推荐系统，实现实时Top100浏览、电影推荐、个人用户中心等功能。为验证系统实现算法是否可行，通过推荐算法评测指标topN进行仿真比对实验，实验结果表明该混合方法推荐效果更好，在准确度和召回率方面都比UserCF-IIF和ItemCF-IUF算法高。关键词：混合推荐；电影推荐；协同过滤算法；设计中图分类号：TP311文献标识码：A文章编号：1009-3044(2023)04-0056-06开放科学（资源服务）标识码(OSID)：1引言随着互联网技术的不断发展与普及，短视频、电影、电视剧等网络视频快速发展。“信息过载”让用户很难快速查找想要的信息。为了帮助用户从大规模数据中挑选出对其有价值的信息，分类目录和搜索引擎技术可以有效地解决“信息过载”的难题[1]。随着推荐算法在各个领域的运用，将算法运用在电影上，对用户进行个性化的推荐也变得更加重要，通过推荐技术推荐用户将来会选择的电影，过滤不感兴趣的信息，将会增加用户对系统的关注[2]。电影推荐系统可通过用户的喜好有针对地推荐电影，既能解决用户的需求，也能够缩短用户查找电影的时间，推荐电影能让用户称心，增加用户满意度[3-4]。推荐系统不仅为用户提供个性化的服务，还为用户提供喜爱的电影，同时增加电影的收视率，达到两全其美的效果。个性化推荐系统精髓在于它算法部分，即推荐系统最重要的部分或者是核心就是其算法，它决定着推荐结果是否能够满足用户的需求[5]。目前最流行的推荐算法是协同过滤，国外六大主流电影推荐网站系统也使用到了协同过滤算法[6]。YouTube、Amazon、Grou⁃pLens在实现个性化推荐系统中应用到了协同过滤算法。协同过滤算法一直以来受到许多国内外学者的关注，将许多优秀的技术运用到推荐系统中，现如今协同过滤算法相比之前更加成熟，更加准确。但是协同...
