第一章 绪论

课题背景

现在的互联网环境中计算机技术的不断更新、手机等移动设备不断的更新换代、越来越多的人开始使用互联网（玛丽·米克尔发布了2018年的互联网趋势报告中指出中国的互联网用户数已经达到了8.29亿）、越来越多的功能提供给我们在使用着（中国市场上监测到应用程序上架数量达到449万款）、同时互联网络的数据也越来越多（中国互联接入流量消耗达到711.1亿GB），我们在使用过程发现自己的可选择的东西也越来越多、可以使用功能的也越来越多，我们可以通过网络看电视、看电影、可以购物、可以查询资料、可以聊天、看新闻。现在的网络给我们的生活带来了很多便利、很多乐趣。随之也带来了问题、你怎么在这个庞大的互联中获取你想的数据、当你想要购买一个衣服时、你如何选择购买一个什么样的衣服，选择那个网店购买这个衣服、选择那个时间购买这个衣服。当你想要看一部电影时，你如何选择在那个网站观看、看什么类型的电影、看那个最新电影、还是看经典的老电影。

当然有问题就有解决方法、目前“推荐系统”是解决 上述问题最有效的方法之一。“推荐系统”从字面上解释是最容易理解的，就是从互联网中给用户推荐东西、可以是一个商品，也可以是一个新闻或者电影。“推荐系统”并不是一个单独概念、实际上现在的互联中已经有很多公司在使用“推荐系统”、在我们的生活中随处可见：

当你使用通讯软件时、通讯软件会给你推荐好友、有的是检测到你打过对方的电话、或者是你和对方有共同的一个好友。

当你使用搜索引擎时、搜索引擎会根据你查找的内容、给你推荐相关的信息如图所示

“推荐系统”从某中程度来讲是一个过滤器、帮助我们过滤一些信息、只显示出现我们有兴趣的信息（系统认为我们感兴趣、并不一定是真的感兴趣）。

现在的社会生活节奏越来越快、生活压力也大了很多、我们需要有一个放松自己途径、和家人一起看场电影、是我们缓解压力的方法之一。

本次课题采用“推荐引擎”构造一下电影的推荐系统

课题意义

用户意义：减少我们在搜索上所消耗的时间、可以在我们有选择困难症的时候帮助我们做一个相当正确的决定、当我们想要看电影的时候是为了放松、如果我们还要花很大的精力、很长的时间去选择一部电影、或者观看了一部我们十分反感的电影、那么结果可想而知。

企业意义：一个好的电影推荐系统可以帮助提升用户体验、提高用户和企业的黏合度、增量客户数量、可以针对用户提供更好、更完善、更精确的定制服务。无论什么样的企业只有拥有大量的客户群、才能创建利益。推荐系统就像一块磁铁可以吸引客户、并留住客户。

课题内容

课题主要为三大部分

一、        主要介绍课题的背景、推荐系统在日常生活中的体现、推荐系统的存的在意义

二、        主要介绍目前推荐系统的类型、使用的技术

三、        针对于电影推荐系统的实施及测试结果

课题成果

结合在近期中学习的相关知识、基于公有云的AI平台设计并部署一个简单的电影推荐系统

电影推荐可以基于用户、电影上线的年份、电影的类型、电影的名称进行新电影的推荐

Ø  基于用户的电影推荐使用的推荐引擎是“基于近邻的推荐方法”

Ø  基于电影类型的电影推荐使用的推荐引擎是“基于内容的推荐方法”

Ø  基于电影名称的电影推荐使用的是推荐引擎是“基于协同过滤的推荐方法”

章节安排

本此课题报告中主要组成部分如下：

Ø  概述：包括了课题背景、课题意义及此课题研究的内容、最后课题成果的展示。

Ø  相关技术：主要介绍推荐系统的基本概念、传统的推荐系统类型、深度神经网络基本概念、传统推荐系统的算法、目前前沿的深度神经网络与推荐系统的结合有可行性及成果、推荐系统的评估方法、公有云AI平台的介绍及在此课题中如何是有效结合使用

Ø  系统设计及部署：基于公有云部署电影推荐系统

Ø  课题总结：本次课题中心收获及不足、对于推荐系统的理解及心得