請教，電影網站裡的“你也可能喜歡以下影片”這個功能怎麼實現？

請教，電影網站裡的“你也可能喜歡以下影片”這個功能怎麼實現？
涉及到哪些知識點？

回複內容：

請教，電影網站裡的“你也可能喜歡以下影片”這個功能怎麼實現？
涉及到哪些知識點？

興趣點檢索，比如當你搜尋某一部電影、某一個類型的時候，系統會根據你所搜尋的關鍵字、類別等關鍵性標籤來搜尋相關結果，找到匹配度最高的最相似的資訊給你；

網站會記錄你搜尋的關鍵字，然後進行分類匹配，給出和你類似的電影名字。

這就是大資料的運用。你經常搜尋或者觀看的是什麼類型電影，主演、導演是誰都是哪些人演的，播放器或者是瀏覽器都會有資料記錄，最後再通過資料分析為你推薦你大概喜歡的電影。
大資料在我們生活中幾乎隨處可見，運用層面很廣。。。

通過電影類別或者使用標籤來實現

給你個參考..　使用者瀏覽你網站的影片時，將影片類型的表示id寫入cookie　

那麼當使用者瀏覽別的頁面時..　可以更具他所攜帶的Cookie去推送他想要瀏覽的感興趣的影片

可以參考這篇論文：http://webpages.uncc.edu/sakella/courses...

應該涉及到推薦系統吧, 根據推薦系統計算相關性，然後根據你的搜尋字詞匹配

推薦系統。
簡單地說，就是提取電影的一些特徵值，如類型，年代，主演等。然後根據這些特徵找相關性最大的電影就是使用者可能喜歡的。
對於推薦系統有專門的演算法，是一門學科，你可以搜搜。

這個問題很有意思當然也能想得到答案。
比如，你說的電影，電影有很多類型，愛情片啊，文藝片啊，災難片啊，什麼的云云。設想在資料庫裡應該有個電影類型的欄位，這個欄位簡單些來說可以是數字類型的，比如(1災難片2喪屍片3喜劇片……等等)
然後就是實現你這個功能了，點擊影片，進入影片詳情頁，這個時候資料庫有兩步操作，第一就是讀取此影片的資訊，第二步就是根據此影片的類型欄位值找出同類型的電影，最後在頁面上顯示。
OK.簡單來說就是這麼簡單

這是典型的協同過濾應用情境，基本思路，你抓出所有瀏
使用者的瀏覽資料，然後求得與目前使用者最相似的使用者，然後把他的瀏覽推薦給目前使用者。 這是基於使用者維度過濾，還可以基於電影的相似性，給出一堆結果，相似的計算可以用共同使用者瀏覽次數量化。

可以參考資料挖掘相關的書籍。

根據電影屬性 比如導演 演員 類型 等。

你可以把電影的n種屬性（演員，類型，評分等）想象成n個維度（可能還要再加上一個使用者維度），一共n（n+1）維空間。
一部電影在數學裡相當於這個多維空間的一個向量。我們需要找的就是這個多維空間裡和這個向量夾角最小（具體好像是計算餘弦值）的向量群。也就是你也可能喜歡的電影。

