随着人工智能技术的不断发展和现有电影视频信息的日益激增,人们对电影信息过滤的要求不断提高。用户希望可以在海量的视频信息中迅速得到符合自己喜好的电影。近些年来,人工智能不断飞速发展,其中推荐算法的研究也在不断精进,从最初的只能基于对用户历史行为进行分析到现在多种推荐算法、从不同维度对用户进行分析和推荐,为研发电影推荐系统提供了可能。每种推荐算法都有各自的优缺点和适合使用的场景,进而推荐效果也不相同。本文就此展开,创新点如下:将基于用户的协同过滤算法和基于物品的协同过滤推荐算法相融合并实时计算推荐结果,完成创新性的混合推荐算法,既解决了基于物品的协同过滤算法的离线计算问题,又解决了基于用户的协同过滤算法的潮流性影响问题,提升了推荐系统的准确性;使用随机推荐的方式解决了用户冷启动问题,保证了推荐系统的稳定性;通过计算平均值推荐的方法解决了在数据稀少的情况下推荐数量过少的问题;通过爬虫爬取豆瓣电影真实数据作为电影推荐系统的数据集,保证了系统的可用性和推荐结果的真实性。最后,将本文创新性的混合推荐算法放入由springboot搭建的后端电影推荐系统中,数据库使用My SQL数据库,构建出一套基于混合推荐算法的电影推荐系统。