动漫推荐系统

1.1研究背景和意义

1.1.1研究背景

随着动漫的兴起与推广，动漫在现今可谓是随处可见，从各大视频APP，到生活中的Cosplay，甚至虚拟世界中，游戏CG，无不充满了“二次元”风。动漫在生活中覆盖的面积越来越广。随着科技的发展，各种观影设备进入生活，而动漫也伴随着走进人们的生活，极大地丰富了人们的精神世界。同时，国内的经济迅速发展也更加地推动了动漫行业的发展，而且这些年动漫在国内外已经表现出巨大的潜力，动漫不仅仅促进的是影视界的经济，更是能通过动漫周边、Cos服饰等促进大范围的经济往来，而各大影视APP也正积极加强对动漫的宣传，尝试将动漫做得更丰富，让更多人喜爱观看动漫。

随着人们生活水平的提高，许多青少年甚至中年人都更喜欢看动漫，其原因更多是以下几个方面:能够满足人内心的愿望，能感受到人物表达出的情感，能与其中的人物“共情”，以不同于我们传统观念的方式来讲述人生道理，想象空间丰富，动漫会表达出对梦想的热爱与执着。此外，动漫的种类丰富多彩，不必受外物条件的限制也可以“使用魔法”。动漫的种类繁多，以及各大影视APP的大力宣扬，足以证明动漫将会在影视市场上占有一席之地。

随着信息时代的发展，推荐系统越发完善。遇到成人推送成人向影视剧，遇到小孩推动画片，但动漫的推荐相对较少。推荐系统随着移动互联网发展不断发展，国内应用个性化推荐技术最早应该是豆瓣，给用户带来不同的体验。后来是国外电影租赁网站netflex推波助澜，再到今日头条火热、电商巨头亚马逊对于个性化推荐背书、微博Feed流对于个性化推波助澜。

开发一个动漫推荐系统投资少，管理简单，网上开店建店成本小。筹办一家网上的专营店投入很小，能减少雇人成本，也不用租店面受空间限制以及地理位置的影响，更不用为找不到动漫产品而烦恼。无论客户在哪里, 都能很方便购买到所需商品。

动漫推荐系统是典型的电子商务信息管理系统，它的出现为动漫产品交易管理的自动化、无纸化具有积极的意义。如果在交易过程中的所有环节实行电脑管理，便可以大大降低由于手工管理带来的问题。

1.1.2研究意义

通过本平台的物品分类展示模块，用户可以更快的找到自己想要的商品，提高了交易效率。

在消费者对动漫产品产生购买欲望的时候，会上一些淘宝、京东之类的电商网站进行搜索购买。由于消费者对动漫产品不了解，所以在搜索购买中有着很多不可避免的麻烦。动漫产品商城网站是一个专门进行售卖动漫产品的网站，在该网站进行购买可以避免毫无头绪搜索的麻烦，方便了广大消费者，通过动漫产品商城网站这种电商模式，可以促进动漫产品的销量，从而促进新疆的经济增长。

动漫推荐系统方便了动漫店经营，传统企业需要进行店铺选址，然后装修店铺，加上店员工资和房租，投资成本巨大，往往和实际收益不成比例。所以，许多新兴农场都愿意通过网店进行商品的销售，提高网络销售服务，降低运营成本，增强竞争力。目前有许多以实体经营为主的企业也逐渐通过网上销售来扩展销售渠道，从而提升农场的品牌竞争力。还有部分农场通过线上线下相结合的方式，通过线下体验店感受商品的品质和使用感受，消费者通过线上选购。

对于消费者可以随时随地的查询动漫产品，货比三家，查看动漫产品的历史评价，从而确定购买。可以选购到性价比较高的满意动漫产品，并且节约了购物成本，减少了购物时间，获得了良好的购物体验，网上购买动漫产品成为日常购物的主要途径。

1.2国内外研究现状

1.2.1国内研究现状

1995年美国人工智能协会（AAAI）提出“推荐系统”这个概念^[1]。CMU大学的教授RobertArmstrong提出了这个概念，并且推出了推荐系统的原型系统——WebWatcher。与此同时，美国斯坦福大学的MarkoBalabanovic等人在同一会议上推出了个性化推荐系统LIRA1。在此之后推荐系统的研究日益壮大。第二年，Yahoo网站推出了第一个正式商用的推荐系统--个性化入口MyYahoo。21世纪以来，伴着电子商务的迅速发展推荐系统的研究与应用也突飞猛进，各大电商都使用着推荐系统。有报告称，Amazon网站中超30%的营业额来自于其推荐系统。2006年，美国的DVD租赁公司Netflix公开设立了竞赛——NetflixPrize。Netflix公开了网站中包含对电影评分的部分数据。Netflix竞赛推动了各界对推荐算法的研究。近些年，随着网络的发展，推荐系统广泛应用在各界并且效果显著。比较著名的推荐系统应用有：Amazon和淘宝网的电子商务推荐系统、Netflix和MovieLens的电影推荐系统、Youtube的视频推荐系统、豆瓣和Last.fm的音乐推荐系统、Google的新闻推荐系统以及Facebook和Twitter的好友推荐系统。

相比于国内大数据国外大数据的结构就显得较为简单^[2]，callaborativefiltering(协同过滤)、bigdata(大数据)、datamining(数据挖掘)、mapreduce、recommendationsystem(推荐系统)各自聚集成小网络，共同构成整个网络结构。同时，cloudcomputing(云计算)、machinelearning(机器学习)、mahout、apachespark、mapreduce、electronichealthrecords(电子健康记录)也具有较大的中介中心性，这几个关键词也构成主要小型和其他关键之间的纽带。

国外大数据对推荐算法的研究早于国内且经历了概念的提出、发展、成熟、应用这四个阶段^[2]。与国内2015年逐渐成熟的大数据推荐算法有着不同，国外发展稳固、快速。在2014年已经将研究转向对应用的探索。2015年至今，国外对大数据推荐算法应用的研究涉猎多方面。

国外的视频推荐系统和电影推荐系统很丰富，但是动漫推荐系统较为忽视。动漫的评判标准与电视剧速食视频不同，需要新的推荐系统。

1.2.2国外研究现状

当下这个信息爆炸的社会^[3]，我国的网络信息技术得到非常快的发展。面对这样的环境，处理好巨量的数据，提高数据的使用效率是每一家互联网公司需要做的工作。在大数据领域，广泛应用推荐系统，其作用就是对用户的数据做智能处理，通过设计好的数据模型以及算法将用户感兴趣的信息推送给用户，以进一步提升用户的实际上网体验。随着信息技术的不断进步^[4]，科技已经为人们带来了诸多便利。推荐系统已广泛应用在电子商务、社交网络、音乐、电影等领域。但即便如此，如今的推荐系统仍有着预测准确率不足、冷启动、稀疏性等一系列问题。传统的推荐系统已难以满足人们不断增长的需求。

基于大数据的推荐系统以对海量数据进行分析、挖掘为基础，收集系统涉及到的数据^[5]，通过多种算法进行精准推荐，不断提高推荐质量。算法是程序的灵魂^[6]，算法的更新迭代速度也非常快，只有通过不断地使机器学习，才更有可能提供更为智能化与人性化的服务。个性化推荐系统是大数据技术应用最广泛的领域之一^[7]。

在智能推荐系统的构建中^[8]，特征分析技术的应用主要是找出动漫与用户之间的联系。国内影视剧电影等评分一般都比国外要高，但是国内动漫的评分却远不及国外。除了动漫的质量问题推荐系统本身也会只推荐分数较高的动漫，但因为其他原因评分略低的动漫会被逐渐忽视在人们的视线中消失。推荐系统的出现一定程度上弥补了传统信息搜索处理方法的局限^[9]。这一系统的执行依赖于海量的用户信息，能够快速帮助用户找到感兴趣的信息，目前已应用于大量商业软件，并将逐渐成为用户发现信息的重要来源。

1.3研究内容和论文结构

本动漫推荐系统以IDEA为平台，使用Python语言为后台数据库，使用MySQL进行开发，本文先调查动漫推荐系统的研究背景，提出开发本动漫推荐系统的目的和意义。论文重点是对动漫推荐系统的需求进行分析，设计系统的功能和动漫推荐系统的数据库，对动漫推荐系统进行编码，最后进行测试。

动漫推荐系统组织结构如下：

第一章绪论，首先简单的阐述动漫推荐系统背景，分析动漫推荐系统的意义，说明动漫推荐系统的研究内容。

第二章技术介绍，通过对当前主流编程语言的优劣势，选择Python开发动漫推荐系统，使用B/S开发结构，部署简单，维护方便，使用效果好。

第三章系统分析，分析当前动漫推荐系统的实际情况，整理归纳本动漫推荐系统的需求，通过用例图进行分析，提出开发动漫推荐系统的可行性。

第四章系统设计，对动漫推荐系统的框架进行设计，对动漫推荐系统的功能进行设计，对动漫推荐系统的数据库进行设计。

第五章系统实现，对动漫推荐系统进行实现，分模块进行实现说明。