1、“.....更专业的方向发展着。推荐系统已经成为解决商品供应商快速占领目标客户的个主要解决方案，而与此同时，推荐系统也为用户提供了更好的商品引导作用。对于在线电影提供商，在线影片推荐系统的推荐效率也对公司是否能获得更多的目标客户起到了很关键的作用，对公司的发展起到了很重要的作用，著名的在线电影租赁公司曾经花费数百万元去寻求获得更好推荐效率的推荐模型及算法。传统的推荐方法主要是向用户推荐与用户所购买商品内容相同或相关的商品，这种方法也起到了很好的推荐作用，比如你刚看完郎咸平的个讲座，下面就会向你推荐系列郎咸平相关的视频，这在百度，里观看完视频后会经常见到的，后来过段时间，通过研究发现这种方法并不是很好，开始有人提出了相似用户的概念，就是根据影片的用户评分的相似性来进行推荐，但这种方法存在很大的缺陷，比如很有可能存在下面这样的情况，比如两个用户虽然对部影片的评价相同，但可能由于他们的评分标准不太样......”。

2、“.....而其实这两个用户是有相同兴趣的另外对于些影片可能不能把用户评分的相似性作为首要的因素来进行推荐，对于研究电影艺术的些专家，可能他更愿意接受些与他本身具有同样专业水准的人来进行推荐才会达到更好的效果还有个比较重要的因素就是用户的可信度，现在网上有好多不信任的事情发生，比如虚假的评分和评论等。因为现在有好多的在线电影租赁商可能会为了提高自己的部影片的收视率，会雇佣些人专门提高部影片的评分，这也是当前的推荐算法所不能解决的问题。课题意义因此，本文立足于前人的研究和当前影片推荐系统的的发展现状，对信任推荐进行研究，发掘多层次的影响因素，以便更加合理的考虑推荐策略利用新的策略和算法计算和用户爱好最相似的邻居，筛选出和用户行为最相近的人来完成推荐影片更准确的功能。电影推荐系统方面能够帮助在线电影租赁公司更好的吸引目标客户，来获得更高的利润，另方面可以帮助用户更快更好的观看自己喜欢的影片。传统方法中......”。

3、“.....随便的点击网页上所列电影，然后观看，但往往播放之后才知道是否是自己喜欢的，这样浪费了很多自己的宝贵时间，并且这种情况用户没有针对性。电影推荐系统能够根据用户不同需求，根据不同的信任级别，根据不同的专家级别，对不同用户作出个性化推荐，极大的方便了用户的娱乐生活。课题开发环境本文是对基于信任的电影推荐系统实现的设计说明。该电影推荐系统是基于实际使用情况及其当前业务的业务发展状况，从其实际的需求出发，利用先逻辑，后物理的原则，经过详细的分析，设计出新系统的基本模型，最后通过编写程序完成基于信任模型的电影系统的实现，对于整个开发过程中的每个阶段的工作成果都使用了明确的文字和标准化的图形图表进行描述。整个系统是在集成开发环境下，使用微软的作为数据库管理系统，运用技术和数据库基本原理，后台数据处理采用的是代码，是个模式的电影推荐系统。本章小结综上所述，阐述了课题研究的背景和意义，从而说明了选题的依据。简要介绍了系统开发环境......”。

4、“.....第章绪论。简要介绍了本文研究工作的背景研究意义及该电影推荐系统开发所使用的环境。第章开发模式及相关技术介绍。这章主要介绍了本课题要应用到的技术，如模式的介绍，开发平台的介绍，及语言及的介绍。第章可行性研究和需求分析。在本章中做了业务流程分析和数据流程二〇〇年六月十七日星期四分析，并绘制了业务流程图及数据流图和功能结构图。第章系统总体设计。对系统方案进行选择，对系统流程的分析和对数据库的设计，主要是数据库的设计和数据表的创建。第章系统详细设计与实现。在本章中介绍了系统各模块的功能及实现方法，和实现结果。最后总结了本文的主要研究工作，并对本课题的最终功能加以阐述。第章开发模式及相关技术介绍模式简介，浏览器服务器模式又称结构。它是随着技术的兴起，对模式应用的扩展。在这种结构下，用户工作界面是通过浏览器来实现的。模式最大的好处是运行维护比较简便，能实现不同的人员，从不同的地点......”。

5、“.....由于各种原因引起企业外网中断都会造成系统瘫痪。随着和的流行，以往的主机终端和都无法满足当前的全球网络开放互连信息随处可见和信息共享的新要求，于是就出现了型模式，即浏览器服务器结构。模式最大特点是用户可以通过浏览器去访问上的文本数据图像动画视频点播和声音信息，这些信息都是由许许多多的服务器产生的，而每个服务器又可以通过各种方式与数据库服务器连接，大量的数据实际存放在数据库服务器中。客户端除了浏览器，般无须任何用户程序，只需从服务器上下载程序到本地来执行，在下载过程中若遇到与数据库有关的指令，由服务器交给数据库服务器来解释执行，并返回给服务器，服务器又返回给用户,二〇〇年六月十七日星期四附录所提方法所提方法包含两个阶段离线挖掘数据和在线推荐过程离线挖掘数据第步推导信息源的可信度属性每个用户的可靠度属性可分为以下几个方面。专长在信息源可靠性的基础上......”。

6、“.....在定义的基础上，我们设计了种反映用户的活动和预测能力的专长测量方法。为了测量预测能力，我们采用并改进了先前的研究方法,。公式假设用户对条目的评分对于用户来说是正确的，如果此评分在和用户对的实际评分之间。虽然先前的研究中,将设置为，在我们的研究中，我们更为严格的将其设置为。然而，如果对于个条目参与评分的人数有限，用户对此条目的预测能力会被低估，因此，我们引入了补偿值,值为,其中当对条目的评分人数小于时，是除了用户以外的参与评分人数，否则为。如公式,其中当时否则为除了用户以外的评分人数误差范围。用户的专长通过正确值和活动权重的比例来计算，如公式。为了获得带有更多条目评分活动的更高价值的专长值，我们加入了活动权重来衡量先前的研究。如果用户对于条目的评分数量低于所有用户的平均值，那么此用户的活动权重是,它是此用户的评分数量与所有用户评分数量平均的比值，否则为......”。

7、“.....其中活动权重条目的评分集用户参与评分的项目集。信任值在资源可靠性的基础上，信任值是指用户作为信息提供者，能够反应他的真实意愿或感受的程度，但信任的值很难预测。我们假设如果个用户的评分与所在团体中所有用户平均评分相似，就认为他提供了他的真实想法,。我们想下，例如，在个团体里所有用户对于部电影的平均评分为，同时其中个人的评分为，虽然他的评分不是完全与其他人的相同，但是他的评分趋势却其他用户相似。在这种情况下，用户就不相信提供假的信息。因此，个用户的信任值就可通过用户的评分与其所在团体所有用户的平均评分的相似性来计算。用户的信任值可通过公式计算，并借助相关系数的绝对值，信任值的范围在到之间。重要性权重为如果个目标用户的评分数量超过，否则为，这里的是指用户评分的数量,。这就意味着为更多条目评分的用户具有较高的信任值。其中用户对条目的评分用户所在团体对条目的平均评分重要性权重用户作出评分的条目数量......”。

8、“.....为了计算两个用户之间的相似度，采用协同过滤中最常用的相关系数来计算。用户和用之间的相似度通过公式计算。重要性权重为当两个用户同时评分条目的数量超过，否则为是指用户同时评分的条目数量。否则包含在公式这种方法也说明，拥有越多的相同评分条目，相似度就越高。二〇〇年六月十七日星期四,其中用户对于条目的评分用户对于条目的评分权重系数共同评分项目的数量。第二步在可靠性属性中提取每个用户的重要性权重在第二步中，我们根据不同用户的看法，赋予可靠性属性不同的重要性权重。所提方法建立以下数值模型，假设每个用户给予信息源属性不同的重要性权重。个信息源的值用户的值作为目标用户的个信息源，可根据不同方面来衡量。但是因为算法中不应该把信息源暴露给目标用户，所以有必要将其值隐藏。我们认为对于目标用户来说，个重要信息源的值取决与这两个用户之间的评分距离......”。

9、“.....那么此用户对目标用户的值被认为很高。因此，个信息源的值采用方法来计算。如下公式所示。其中目标用户对用户的评价用户对条目的评分用户对条目的评分共同评分的条目数量个常数是个常数，它不断增加并且对于和目标用户之间有低值的信息源有好处，注意我们实验中，被设置为，因为值的范围在到之间。个用户会和目标用户之间有较低的值当他和目标用户有较少相同的评分项目。为了避免为那些与目标用户有较少相同评分项目的用户分配较高的值，我们引入了用户最少要与目标用户共同评分项目的阈值。参照阈值变化的情况，将在实验中验证。查找每个用户的重要性权重正如节所提，我们假设个信息源的可靠性由三部分组成，分别是专长信任值和相似度。将其按照属性的可靠性以所占权重的重要程度做线性求和，以给目标用户做出合理推荐。如下公式所示。......”。