Java如何开发一个简易的电影评分与推荐系统

答案：设计User、Movie、Rating类并用Map和List存储数据，通过统计用户评分偏好类型实现基于内容的推荐，结合控制台交互功能提供个性化电影推荐。

开发一个简易的电影评分与推荐系统，可以使用Java结合基础的数据结构和简单的推荐算法来实现。重点在于管理用户、电影、评分数据，并基于用户行为提供个性化推荐。以下是具体实现思路和步骤。

1. 设计核心类与数据结构

系统需要几个核心类来表示实体和关系：

• User：包含用户ID和名称
• Movie：包含电影ID、名称和类型（如动作、喜剧）
• Rating：记录用户对电影的评分（如1-5分）
• RecommendationSystem：主逻辑类，负责存储数据并生成推荐

class User {
    int userId;
    String name;
    public User(int userId, String name) {
        this.userId = userId;
        this.name = name;
    }
}

class Movie {
    int movieId;
    String title;
    String genre;
    public Movie(int movieId, String title, String genre) {
        this.movieId = movieId;
        this.title = title;
        this.genre = genre;
    }
}

class Rating {
    int userId;
    int movieId;
    int score; // 1-5
    public Rating(int userId, int movieId, int score) {
        this.userId = userId;
        this.movieId = movieId;
        this.score = score;
    }
}

2. 存储与管理数据

使用Map和List来保存用户、电影和评分数据，便于快速查找和操作。

• 用Map按ID存储用户
• 用Map存储电影
• 用List或Map（组合键）存评分

初始化一些测试数据，方便后续计算推荐。

立即学习“Java免费学习笔记（深入）”；

3. 实现简单推荐逻辑

可以采用“基于内容的推荐”或“协同过滤”的简化版本。

有道智云AI开放平台

有道智云AI开放平台

下载

• 统计用户评过分的电影类型
• 找出用户偏好的类型（平均分高的）
• 推荐该类型中尚未看过的高分电影

public List recommendByGenre(int userId) {
    // 获取用户所有评分
    List userRatings = ratings.stream()
        .filter(r -> r.userId == userId)
        .toList();

    // 计算用户对各类型的平均分
    Map genreScores = new HashMap<>();
    Map genreCount = new HashMap<>();

    for (Rating r : userRatings) {
        Movie m = movies.get(r.movieId);
        if (m != null) {
            genreScores.put(m.genre, genreScores.getOrDefault(m.genre, 0.0) + r.score);
            genreCount.put(m.genre, genreCount.getOrDefault(m.genre, 0) + 1);
        }
    }

    // 找出用户最喜欢的类型
    String favoriteGenre = null;
    double maxAvg = 0;
    for (String genre : genreScores.keySet()) {
        double avg = genreScores.get(genre) / genreCount.get(genre);
        if (avg > maxAvg) {
            maxAvg = avg;
            favoriteGenre = genre;
        }
    }

    // 推荐该类型中未评分的高分电影
    return movies.values().stream()
        .filter(m -> m.genre.equals(favoriteGenre))
        .filter(m -> userRatings.stream().noneMatch(r -> r.movieId == m.movieId))
        .sorted((a, b) -> Double.compare(getAverageRating(b.movieId), getAverageRating(a.movieId)))
        .limit(5)
        .toList();
}

4. 添加交互功能

通过控制台输入输出，让用户添加评分、查看推荐。

• 使用Scanner读取用户输入
• 提供菜单：查看推荐、评分电影、退出

例如：

System.out.println("1. 评分电影  2. 查看推荐  3. 退出");
int choice = scanner.nextInt();

根据选择调用对应方法。

基本上就这些。这个系统虽简单，但涵盖了推荐系统的基本要素：数据建模、用户行为分析和推荐生成。后续可扩展为Web应用，加入更多算法如余弦相似度或用户协同过滤。