C++实现基于用户的协同过滤大数据电影推荐系统 课程论文+源码及可执行exe文件

---

目录

《大数据计算及应用》

【推荐系统】实验报告

【实验相关统计信息】

（1）统计用户数量：19835。

【实验原理】

1、 找到与目标用户A相似的用户群体

【关键部分代码解析】

（1） 前期准备

（2） 读取数据

（4） 将Data矩阵的数据转成Pearson系数矩阵

（5） 求用户A和用户B的Pearson相似度

（6） 最后产品得分中的bxi的值

（7） 最后产品得分中的rxi的值

（8） 预测目标用户对目标电影的终极打分

（10） Main()函数中一些必须执行的步骤

【结果分析】

（1） 本实验最终测试RMSE结果约为23。

（1）统计用户数量：19835。

（2）统计所有产品的得分平均值：49.545。

（3）统计每个用户看过的电影数目，在读取数据时将其存入数组int MovieNum[19835];中。（4）统计计算Pearson系数需要的数据，存在Pearson矩阵中。

核心算法：基于用户的协同过滤

如果已知用户A喜欢《蜘蛛侠》、《奇异博士》、《美国队长》、《绿巨人》等漫威超级英雄系列电影，另外用户B也都喜欢这些电影，此外B还喜欢《钢铁侠》，则A很有可能也喜欢《钢铁侠》，故我们可以预测用户A对于《钢铁侠》的打分会较高。