ResNet与FM模型融合驱动的电影个性化推荐体系研究

一、引言

1.1研究背景

随着数字媒体和互联网技术的飞速发展，电影作为一种重要的文化娱乐形式，其数量呈现爆炸式增长。据统计，仅在2024年，全球范围内新上映的电影就超过数千部，涵盖了各种类型、题材和风格。面对如此海量的电影资源，用户往往难以快速找到符合自己喜好的影片，导致观影体验不佳，时间成本增加。传统的电影推荐方法，如基于热门度或人工分类的推荐，已难以满足用户日益增长的个性化需求。这些方法往往忽略了用户的个体差异和兴趣偏好，推荐结果缺乏针对性和准确性，无法有效解决信息过载问题。

同时，电影行业的竞争日益激烈，电影制作方和发行商需