基于机器学习的FM和LR核心算法电影推荐系统.zip

简介：
本项目为一个结合了机器学习技术的电影推荐系统，采用因子分解机（FM）与逻辑回归（LR）的核心算法，旨在通过用户行为数据预测并推荐个性化电影。 基于爬取的电影评分数据集构建以FM（Factorization Machine）和LR（Logistic Regression）为核心的电影推荐系统介绍如下： - **recsys_ui**：前端技术采用HTML5、JavaScript及jQuery，结合Ajax实现异步加载。 - **recsys_web**：后端使用Java语言，并基于SpringBoot框架开发。数据库方面则选择了MySQL存储数据。 - **recsys_spider**：网络爬虫部分采用了Python编程语言和BeautifulSoup库来抓取所需信息。 - **recsys_sql**：利用SQL进行数据分析处理工作，确保数据的准确性和完整性。 - **recsys_model**: 数据分析与清洗采用pandas库完成；模型初步搭建则依赖于libFM及sklearn工具包实现。 为了构建一个完整且功能强大的推荐系统，在整个开发过程中还涉及到了以下核心模块： - **recsys_core**：此部分主要负责使用pandas、libFM和sklearn进行数据处理，包括但不限于训练集的生成、模型的学习与预测等关键步骤。 - **recsys_etl**: 对于爬虫抓取到的新鲜增量信息，则采用Kettle工具完成相应的ETL（提取、转换、加载）工作流程。 为了能够上线运行并让广大用户感受到这一系统的实用价值，我们特别租用了阿里云服务器作为数据库及应用服务的载体，在线上成功部署了该电影推荐系统的第一版。