请教，电影网站里的“你也可能喜欢以下影片”这个功能怎么实现？

请教，电影网站里的“你也可能喜欢以下影片”这个功能怎么实现？
涉及到哪些知识点？

回复内容：

请教，电影网站里的“你也可能喜欢以下影片”这个功能怎么实现？
涉及到哪些知识点？

兴趣点检索，比如当你搜索某一部电影、某一个类型的时候，系统会根据你所搜索的关键字、类别等关键性标签来搜索相关结果，找到匹配度最高的最相似的信息给你；

网站会记录你搜索的关键字，然后进行分类匹配，给出和你类似的电影名字。

这就是大数据的运用。你经常搜索或者观看的是什么类型电影，主演、导演是谁都是哪些人演的，播放器或者是浏览器都会有数据记录，最后再通过数据分析为你推荐你大概喜欢的电影。
大数据在我们生活中几乎随处可见，运用层面很广。。。

通过电影类别或者使用标签来实现

给你个参考..　用户浏览你站点的影片时，将影片类型的表示id写入COOKIE　

那么当用户浏览别的页面时..　可以更具他所携带的COOKIE去推送他想要浏览的感兴趣的影片

可以参考这篇论文：http://webpages.uncc.edu/sakella/courses...

应该涉及到推荐系统吧, 根据推荐系统计算相关性，然后根据你的搜索词匹配

推荐系统。
简单地说，就是提取电影的一些特征值，如类型，年代，主演等。然后根据这些特征找相关性最大的电影就是用户可能喜欢的。
对于推荐系统有专门的算法，是一门学科，你可以搜搜。

这个问题很有意思当然也能想得到答案。
比如，你说的电影，电影有很多类型，爱情片啊，文艺片啊，灾难片啊，什么的云云。设想在数据库里应该有个电影类型的字段，这个字段简单些来说可以是数字类型的，比如(1灾难片2丧尸片3喜剧片……等等)
然后就是实现你这个功能了，点击影片，进入影片详情页，这个时候数据库有两步操作，第一就是读取此影片的信息，第二步就是根据此影片的类型字段值找出同类型的电影，最后在页面上显示。
OK.简单来说就是这么简单

这是典型的协同过滤应用场景，基本思路，你抓出所有浏
用户的浏览数据，然后求得与当前用户最相似的用户，然后把他的浏览推荐给当前用户。 这是基于用户维度的过滤，还可以基于电影的相似度，给出一堆结果，相似的计算可以用共同用户浏览次数量化。

可以参考数据挖掘相关的书籍。

根据电影属性 比如导演 演员 类型 等。

你可以把电影的n种属性（演员，类型，评分等）想象成n个维度（可能还要再加上一个用户维度），一共n（n+1）维空间。
一部电影在数学里相当于这个多维空间的一个向量。我们需要找的就是这个多维空间里和这个向量夹角最小（具体好像是计算余弦值）的向量群。也就是你也可能喜欢的电影。