宋曼

（广州城建职业学院，广东 广州 510925）

1 引言

电影协同过滤推荐算法采用最邻近技术计算用户和电影的相似性，根据相似电影评分预测目标电影评分，再根据电影预测评分从高到低对用户进行TOP-N电影推荐[1]。协同过滤推荐算法的推荐精度主要还是新电影的冷启动问题[2]，有的算法计算电影的相似性仅仅考虑用户对电影的评分，有的算法只考虑电影的内容信息来衡量电影的相关性，这样既不能有效利用数据集信息又导致最终推荐结果不准确。BP神经网络是一种模拟人脑神经组织的计算系统，具有很好的学习能力和适应能力。BP 神经网络将输入值映射为输出值，适合复杂问题求解。本文提出，在进行电影的协同过滤推荐时，将电影相似性采用BP神经网络进行融合，将各分量相似性作为输入，输出值为两部电影的最终相似性，根据最终相似性得出预测评分，通过比较预测评分和真实评分，不断对BP 模型参数进行调整和优化，最终得到精确可靠的推荐结果。

2 BP神经网络

BP 神经网络的工作过程模拟人脑细胞的工作方式，具有输入层、隐藏层和输出层三层结构[3]，如图1 所示，是具有两层隐藏层的BP 神经网络结构。输入层节点接收输入信息，经过隐藏层节点处理后，由输出层节点输出最终结果。BP 神经网络的学习过程是有监督的学习，能对比输出结果和真实值，计算出误差后将结果反向传递给每一层，从而调整所有计算层的参数。

图1 BP神经网……