Java+Springboot+Mysql个性化电影推荐系统 movielens电影数据集 基于深度学习/机器学习/人工智能 基于协同过滤推荐算法 爬虫 可视化数据分析

Java+Springboot+Mysql个性化电影推荐系统 movielens电影数据集 基于深度学习/机器学习/人工智能 基于用户标签/协同过滤推荐算法 爬虫 可视化数据分析MovielensRecommendSys

一、项目简介

1、开发工具和使用技术

IDEA/Eclipse，jdk1.8，mysql5.5/mysql8，navicat数据库管理工具，springboot开发框架，spring+springmvc+mybatis框架，thymeleaf视图渲染模板，html页面，javascript脚本，jquery脚本，bootstrap前端框架，echarts图表组件等。

2、实现功能

前台用户首页地址：http://localhost:8080/

后台管理员首页地址：http://localhost:8080/admin

管理员账号：admin 管理员密码：admin

前台用户包含：注册、登录、注销、喜好标签、浏览电影、搜索电影、信息修改、密码修改、电影评分、电影收藏、电影评论、排行榜、热点推荐、个性化推荐电影等功能；

后台管理员包含：数据分析、用户管理、电影管理、电影类型管理、用户喜好标签管理、评分管理、收藏管理、评论管理、浏览记录管理等。

个性化推荐功能：

游客：热点推荐（根据电影总评分降序推荐）;

登录用户：基于用户的协同过滤推荐算法（根据评分数据），如果没有推荐结果，采用标签推荐（推荐登录用户喜好标签下的总评分较高的电影，同时是登录用户没有评分的）。

人气榜单：查询浏览数量最多的电影，同时不包括当前登录用户浏览过的电影。

相关推荐：

推荐与当前电影相同类型下收藏量较高的电影，同时不包括当前登录用户收藏过的电影。

电影数据来源：

系统采用由grouplens项目组从美国著名电影网站movielens整理的ml-latest-small数据集，该数据集包含了671个用户对9000多部电影的10万条评分数据

ml-latest-small数据集是由grouplens项目组从美国著名电影网站movielens整理的

该数据集包含：

movies.csv文件：9742个电影数据，包括电影id、电影名称、电影类型

links.csv文件：包含了电影id在imdb电影网站与tmdb电影网站的id，即：movieid是当前数据集中的电影的id，imdbid是电影在imdb网站中的id，tmdbid是电影在tmdb网站中的id

ratings.csv文件：包含了671个用户对电影的100836个评分数据

movies_all.csv文件：是爬虫根据电影imdbid从imdb网站爬取的电影的其他信息，包括：

导演、编剧、演员、电影图片、电影时长、语言、区域、简介等

将ml-latest-small数据集保存在数据库中的过程：

1、爬虫读取movies.csv和links.csv文件，并通过电影的imdbid到imdb网站爬取电影数据（包括图片、导演、演员等信息），同时将电影图片下载在电脑中，数据库中只保存电影图片的名称

2、将爬取的数据保存在movies_all.csv文件中

3、解析movies_all.csv，将电影类型数据保存在电影类型表中，将电影数据保存在电影表中，将电影-电影类型关联数据，保存在关联表中

4、解析ratings.csv文件，将用户id保存在用户表中，将评分数据保存在评分表中

5、因为数据集中只有用户id数据，所以用户表中也只有用户id，因此需要添加用户的用户名、密码等信息

6、添加用户标签数据。

3、开发步骤

二、项目展示

三、代码展示及运行结果

专业长期研究java、python推荐算法（基于内容、协同过滤、关联规则、机器学习等）、大数据等，欢迎留言、私信互相交流学习，后续会不断更新，欢迎关注。