推荐系统是指以用户的行为数据为基础,运用相应的推荐算法将用户和信息紧密的关联在一起,对用户的兴趣进行建模,搭建的可快速对用户的行为进行响应,将用户感兴趣的物品推荐给用户,帮助用户发现有价值的信息。主要利用大数据计算平台、云计算、推荐算法、强大且易用的编程语言,改变用户与网络进行数据信息通信的传统方式,为用户提供多元化、个性化的服务。大数据技术的快速发展和编程语言的不断丰富,推动了个性化推荐系统的发展。在信息过载的时代,人们迫切需要实时性强,运行速度快,准确性高的个性化推荐系统。因此,研发基于ALS算法的个性化推荐系统是十分有意义的。学位论文在分析了推荐算法的起源、分类、优缺点和推荐系统的实际应用现状的基础上,结合当前大数据计算平台的最新发展情况,研究了在大数据平台上基于ALS算法的实时个性化电影推荐系统的设计。主要内容有基于ALS算法的实时个性化电影推荐系统中使用的推荐算法ALS进行优化操作,在大数据平台设计系统的体系架构,采集、传送、处理、存储实时数据流,设计美观大方的前端界面。基于ALS算法的实时个性化电影推荐系统的主要功能有:用户注册和登录、电影观看、电影搜索、电影评分、发表评论、浏览电影推荐列表等。基于ALS算法的实时电影推荐系统,通过了在极端条件下的数据量的测试,系统界面美观大方,电影资源丰富多样,准确性高的推荐算法可以给用户实时推荐质量高的电影。