随着信息技术和移动互联网技术的发展,信息的数据量呈爆炸式增长趋势,社会逐渐从信息匮乏时代进入了信息过载的“大数据”时代,数据量的剧增导致数据冗余度过高,需要利用推荐系统来筛选用户需要的信息。基于此,本文搭建微信小程序平台上的电影推荐系统,以在一定程度上解决电影的信息过载问题。本文搭建的电影推荐系统中采用的推荐算法是通过情感分析改进的基于物品的协同过滤算法,是在基于物品的协同过滤算法根据用户对电影的评分计算推荐值的基础上,将电影评论的情感极性分类值也作为计算电影推荐值的一个参数,综合考虑用户对电影的评分和情感,对用户进行推荐。其中,情感极性分类过程包括中文分词(对电影评论进行分词)、去停用词(去除文本中的无用词)、特征提取(将文本转化为向量)、构建CNN分类模型(得出电影评论的情感值)。推荐系统的开发采用了经典的B/S架构,由客户端和服务器端组成。服务器端使用的是Nginx服务器,负责推荐内容的计算、系统数据的处理以及系统各个模块之间的信息交互;客户端采用微信小程序,负责系统的信息的外部展示和用户与系统之间的交互。通过客户端、服务器端的互相协调构成了系统的主要运行框架。客户端使用JavaScript、WXML、WXSS等语言开发;服务器端使用Python语言开发;数据库选用MySQL作为系统数据库。系统开发过程中预留了部分接口以满足系统的后续开发。