推荐经典电影

第1篇：推荐经典电影

银行业经典书籍推荐

《亚洲银行新未来：树立利润观念》(原书第二版)

推荐理由：成功将属于那些“树立利润观念”的银行——作为著名国际战略咨询公司麦肯锡的咨询顾问，3位主要作者阐述了正在亚洲区域塑造着银行市场的各种基本力量。《亚洲银行新未来》涵盖了亚洲的多个国家和地区市场以及各种银行业务，重点内容包括：个人金融服务：投入者众，成事者寡;资产管理：变储蓄者为投资者;中国：巨人走钢索;印度：两极化市场;跨境并购：谨慎从事;国际联盟：怯懦者难行等精彩篇章。

《亚洲银行新未来》出版后赢得了银行业专业人士的广泛关注：渣打银行首席执行官默文·戴维斯认为该书对亚洲银行业面临的机遇和挑战做了令人信服的、不可多得的、实事求是的评估。而日本新生银行董事长总裁八城政基则表示：“在新生银行的转型过程中，最大的变化莫过于我们的领导层从原先着重追求数量转向了树立自力更生的利润观念。本书建立在透彻研究的基础之上，展示了亚洲银行所面临的大好机遇，并揭示了如何克服观念上的挑战以实现持续盈利的奥秘。”

本书的主要作者中，塔布·鲍尔斯是麦肯锡东京分公司资深董事，1987年加入麦肯锡纽约分公司，针对最棘手的战略、联盟和营销问题为领先的西方和亚洲金融机构提供咨询服务。

《沃尔特·瑞斯顿与花旗银行——美国金融霸权的兴衰》

推荐理由：本书讲述的是有关瑞斯顿的职业成长故事，他把花旗银行带上了全球金融竞技场的冠军领奖台。本书描绘了这个目光远大的人如何爬上庞大却又缺乏生气的第一国民城市银行(花旗银行前身)的头把交椅，如何着手重建自己的机构乃至美国和全球的银行金融业的经过情形。瑞斯顿倡导市场经济，向上至白宫、国会，下至联邦储备银行及其他大银行的能人智士发出挑战，当然有胜也有负，但他在改革消费银行业、银行信用卡的使用和州际银行业务以及废除部分原有金融体制等方面都获得了成功。而他也因为带头向第三世界发放了几十亿美元的贷款而成为众矢之的，招致了一片责骂声。

在本书的著述过程中，作者茨威格走访了当时的许多风云人物，包括前总统杰拉尔德·福特、前国务卿乔治·舒尔茨和亨利·基辛格、前财政部长康纳利、西蒙和里根、前联邦储备委员会主席威廉·米勒和保罗·沃尔克以及瑞斯顿本人。本书不仅是部引人入胜的人物传记，而且是一部璀璨夺目的史书，记录了瑞斯顿时代美国金融霸主花旗银行的盛衰枯荣。

《银行信用分析手册》

推荐理由：这是一本关于银行信用分析以及评级理论与实践的实用性指南，它引用全球各地的案例(尤其是来自于亚洲金融业的案例)来帮助读者获得对银行信用分析领域的全球视点，揭开了影响银行业务、银行分析和银行评级的语言、概念和地区性差异的神秘面纱，描述了银行信用分析的作用，并解释了它们在实际应用中所采用的方法。

作者乔纳森·戈林作为国际银行信用分析师曾在银行信用评估机构ThomsonBankWatch(在被另一家评级机构惠誉收购之前，该公司是世界上最大的专业银行评级机构)工作，此前戈林长期在亚洲银行业工作和研究。作为ThomsonBankWatch香港办事处的副总裁，乔纳森的职责范围涵盖该地区一些最不稳定的经济体中的金融机构。

作者：袁铭良

第2篇：基于文本的卷积网络在电影推荐系统中的应用

摘要：当今互联网趋势下，实体服务行业越来越倾向于与线上的互联网进行深度合作，讲究服务以质量取胜、以人性化、个性化取胜。故在这样的背景下，以传统的打广告的模式来吸引观众去电影院看电影的方式在逐渐被更智能化、更具有针对性的精准推送的线上方式所取代。为了更好地服务喜欢看电影的观众，开发了这个基于文本的卷积神经的个性化电影推荐系统。此系统使用神经网络将自然语言处理与电影推荐相结合，利用MovieLens数据集训练一个基于文本的卷积神经网络，实现电影个性化推荐系统。最后使用django框架并结合豆瓣爬虫，搭建了推荐系统Web端服务。

关键词：个性化推荐系统;TensorFlow;文本卷积网络; MovieLens;自然语言处理

Application of Text-based Convolutional Network in a Movie Recommendation System

FU Yu

（Yangtze University， Jingzhou 434000， China）

Key words： personalized recommendation system; TensorFlow; text convolutional network; MovieLens; natural language processing

1 前言

當前的个性化推荐系统实际上与自然语言处理联系得非常紧密，特别是利用用户的评论等进行舆情化分析，以期达到更符合更大多数人需求的推荐。为了更好地服务观影用户，此项目主要是应用了当今热门的推荐技术来实现对观影用户的精准推送，以此来达到影片的观影次数和观众的观影体验的双提高的效果。主要实现了给用户推荐喜欢的电影、给用户推荐相似的电影、推荐看过的用户还喜欢看的电影这三个功能。

2 推荐系统简介

推荐系统是根据用户的历史信息和行为，向用户推荐他感兴趣的内容的一种系统[2]。理论上，当一个全新的用户进入系统后是无法实现个性化推荐的，只有当用户使用了这个系统后，系统收集了用户的信息和行为才能向用户提供个性化的推荐内容[3]。但在实际工程运用中，也可以通过各种手段解决“冷启动”这样的问题，来达到向系统新用户的粗略推荐。常见的推荐大致可以分为基于协同过滤的推荐和基于内容的相似推荐这两种[4]。其中，推荐系统包含的环节如下图1所示。

3 数据处理

本项目使用的是MovieLens 1M 数据集，包含6000个用户在近4000部电影上的1亿条评论。数据集分为三个文件：用户数据users.dat，电影数据movies.dat和评分数据ratings.dat[5]。

3.1 用户数据users.dat

用户ID：不用改变。性别字段：需要将‘F’和‘M’转换成0和1。年龄字段：要转成7个连续数字0～6。

3.2 电影数据movies.dat

电影ID字段：不用改变。流派Genres字段：是分类字段，要转成数字。首先将Genres中的类别转成字符串到数字的字典，然后再将每个电影的Genres字段转成数字列表，因为有些电影是多个Genres的组合。? 标题Title字段：处理方式跟Genres字段一样，首先创建文本到数字的字典，然后将Title中的描述转成数字的列表。另外Title中的年份也需要去掉。在实际代码的书写中Genres和Title字段需要将长度统一，这样在神经网络中方便处理。空白部分用‘< PAD >’对应的数字填充。

3.2 评分数据ratings.dat

数据处理完之后将三个表做 inner merge，并保存为模型文件 data_preprocess.pkl。

4 建模与模型训练

针对处理后数据的不同字段进行模型的搭建。相关模型结构设计如下图2所示。

4.1 嵌入层

根据上文，为了解决数据稀疏问题，One-hot的矩阵相乘可以简化为查表操作，这大大降低了运算量。不是每一个词用一个向量来代替，而是替换为用于查找嵌入矩阵中向量的索引，在网络的训练过程中，嵌入向量也会更新，也就可以探索在高维空间中词语之间的相似性。

? 本系统使用tensorflow的tf.nn.embedding_lookup就是根据input_ids中的id寻找embeddings中的第id行。比如input_ids=[1，3，5]，则找出embeddings中第1，3，5行，组成一个tensor返回。tf.nn.embedding_lookup不是简单的查表，id对应的向量是可以训练的，训练参数个数应该是 category num*embedding size，也可以说lookup是一种全连接层。

创建嵌入矩阵，要决定每一个索引需要分配多少个潜在因子，这大体上意味着想要多长的向量，通常使用的情况是长度分配为32和50[6]，此处选择32和16，所以各字段嵌入矩阵的shape第1个维度，也就是第2个数字要么为32，要么为16;

而嵌入矩阵第0个纬度为6041、2、7、21，也就是嵌入矩陣的行数，也就代表着这四个字段unique值有多少个，例如Gender的值只有0和1（经过数据处理）其嵌入矩阵就有2行。

在上一点叙述过使用tf.nn.embedding_lookup与UserID字段的数据进行全连接（相当于查表操作），则每个嵌入层的shape应该是这样的（数据量，字段长度，索引长度），数据量可以设计为每个epoch的大小;对于User数据来说，字段长度都为1，因为用一个值就能表示该独一无二的值，如果对于文本，则可能需要使用数组来表示，即字段长度可能大于1;索引长度则是嵌入矩阵的潜在因子。

对数据集字段UserID、Gender、Age、JobID和电影数据的MovieID、Genres、Title分别构建嵌入矩阵和嵌入层。 Title嵌入层的shape是（？，15，32），“？”代表了一个epoch的数量，32代表了自定义选择的潜在因子数量，15则代表了该字段的每一个unique值都需要一个长度为15的向量来表示。Genres嵌入层的shape是（？，1，32），由于一个电影的Genres（电影的类型），可能属于多个类别，所以该字段的需要做特殊的处理，即把第1纬度上的向量进行加和，这样做其实削减了特征的表现，但是又防止比如仅仅推荐相关类型的电影。

综上，经过嵌入层，得到以下模型：

针对User数据，如表1所示。

针对Movie数据，如表2所示。

4.2 文本卷积层

网络的第一层是词嵌入层，由每一个单词的嵌入向量组成的嵌入矩阵。下一层使用多个不同尺寸（窗口大小）的卷积核在嵌入矩阵上做卷积，窗口大小指的是每次卷积覆盖几个单词[7]。这里跟对图像做卷积不太一样，图像的卷积通常用2x2、3x3、5x5之类的尺寸，而文本卷积要覆盖整个单词的嵌入向量，所以尺寸是（单词数，向量维度），比如每次滑动3个、4个或者5个单词。第三层网络是max pooling得到一个长向量，最后使用dropout做正则化，最终得到了电影Title的特征[7]。

卷积过程涉及以下几个参数，如表3所示。

将Title字段嵌入层的输出movie_title_embed_layer（shape=（？，15，32）），作为卷积层的输入，所以先把movie_title_embed_layer扩展一个维度，shape变为（？，15，32，1），四个参数分别为（batch，height，width，channels）

可以得到如表4所示数据。

考虑window_size=2的情况，首先得到嵌入层输出，并对其增加一个维度得到movie_title_embed_layer_expand（shape=（？，15，32，1）），其作为卷积层的输入。卷积核的参数filter_weights为（2，32，1，8），表示卷积核的高度为2，宽度为32，输入通道为1，输出通道为32。其中输出通道与上一层的输入通道相同。

卷积层在各个维度上的步长都为1，且padding的方式为VALID，则可得到卷积层的shape为（？，14，1，8）。卷积之后使用relu函数进行激活，并且加上偏置，shape保持不变。最大池化的窗口为（1，14，1，1），且在每个维度上的步长都为1，即可得到池化后的shape为（？，1，1，8）。依次类推，当window_size为其他时，也能得到池化层输出shape为（？，1，1，8）。得到四个卷积、池化的输出之后将池化层的输出根据第三维（第四个参数）相连，变形为（？，1，1，32），再变形为三维（？，1，32）。最后为了正则化防止过拟合，经过dropout层处理，输出shape为（？，1，32）。

4.3 全连接层

对上文所得到的嵌入层的输出和卷积层的输出进行全连接。对User数据的嵌入层进行全连接，最终得到输出特征的shape为（？，200）。同理对Movie数据进行两层全连接，最终得到输出特征的shape为（？，200）。

4.4 构建计算图与模型训练

构建计算图，训练。问题回归为简单地将用户特征和电影特征做矩阵乘法得到一个预测评分，损失为均方误差。

1）模型保存

?保存的模型包括：处理后的训练数据、训练完成后的网络、用户特征矩阵、电影特征矩阵。

2）模型损失图像

训练集损失图像如图3所示。

测试集损失图像如图4所示。

经过简单的调参。batch_size 对Loss的影响较大，但是batch_size 过大，损失会有比较大的抖动情况。随着学习率逐渐减小，损失会先减小后增大，所以最终确定参数还是固定参数效果较好。

4.5 推荐

加了随机因素保证对相同电影推荐时推荐结果的不一致。

1）给用户推荐喜欢的电影：使用用户特征向量与电影特征矩阵计算所有电影的评分，取评分最高的 topK个。

2）推荐相似的电影：计算选择电影特征向量与整个电影特征矩阵的余弦相似度，取相似度最大的 topK 个。

3）推荐看过的用户还喜欢看的电影。

?（1）首先选出喜欢某个电影的 topK 个人，得到这几个人的用户特征向量。

?（2）计算这几个人对所有电影的评分。

?（3）选择每个人评分最高的电影作为推荐。

5 最终实验结果

因为数据集也未有电影的中文名称、图片等数据，所以在web项目中加了一个豆瓣的爬虫，每次推荐都请求数据，并进行相应的解析和封装。在服务器启动的时候就加载模型，并且把tensorflow的session提前封装好，在调用相关方法时，直接传入该全局session，避免了每次请求都加载模型。

给用户推荐喜欢的电影后台相关效果如图5所示。

给用户推荐相似的电影后台相关输出效果如图6所示。

为看过某部电影的用户推荐他可能还喜欢看的电影后台相关输出效果如图7所示。

6 项目总结与展望

本次项目实现了常用的推荐功能，将网络模型作为回归问题进行训练，得到训练好的用户特征矩阵和电影特征矩阵进行了推荐。并且此次项目把源码进行了面向对象封装，增强了源码的复用性和可用性，对推荐相关方法也进行了微小的调整，解决了模型多次加载问题，最后增加了该项目的Web展示端。

此次项目收获颇丰，但是该系统还存在一系列问题：如模型的局限性，即该系统只能对数据集中的电影和用户进行推荐，没有再找相关字段的数据，所以训练数据量相对较小，适用性也比较窄。希望将来能普适开来，能为更多有现实需求的用戶服务。

参考文献：

[1] 戴培，靳涵瑜，锦璇，等.基于语义分析和卷积神经网络的视频审查机制研究[J].信息与电脑（理论版），2019（12）：116-118.

[2] 弗朗西斯科·里奇（Francesco Ricci），利奥·罗卡奇（Lior Rokach），布拉哈·夏皮拉（Bracha Shapira）.推荐系统：技术、评估及高效算法[M].李艳民，等，译.北京：机械工业出版社，2018.

[3] 姜信景，齐小刚，刘立芳.个性化信息推荐方法研究[J].智能系统学报，2018，13（2）：189-195.

[4] 常亮，曹玉婷，孙文平，等.旅游推荐系统研究综述[J].计算机科学，2017，44（10）：1-6.

[5] 邓秀勤，张翼飞，江志华，等. 一种基于节点分割的隐私属性（a， k）-匿名算法[J]. 数据挖掘， 2020，10（2）：143-151.

[6] 胡思才，孙界平，琚生根，等.基于深度神经网络和概率矩阵分解的混合推荐算法[J].四川大学学报（自然科学版），2019，56（6）：1033-1041.

[7] 易黎，肖青秀，汤鲲.基于双层注意力机制的深度学习电影推荐系统[J].计算机与现代化，2018（11）：109-114.

【通联编辑：梁书】

作者：付裕

第3篇：推荐系统中的协同过滤推荐技术研究

摘要：随着移动互联网的进步和信息量的急剧增长，信息过载使得用户获取需求信息更加困难。由于推荐系统可以较好地解决信息过载问题，因而被广泛应用于各种移动网络平台。在推荐系统中，应用最为广泛和成功的一种技术是协同过滤推荐。本文首先介绍了协同过滤推荐技术的原理、分类和存在的问题，然后简要概括了评价推荐系统是比较常用的评估方法，并对进一步需要研究的问题进行总结。

关键词：推荐系统;协同过滤;信息过载

Summary of Collaborative Filtering Recommendation

Technology in Recommendation System

LI Zhuanyun TANG Guilin

(Anhui Post and Telecommunication College，Hefei Anhui 230031)

1 研究背景

互联网的普及和4G技术的快速发展极大推进了通信网络与互联网的深度融合，使得网络中的信息急剧增长，造成“信息超载”，使得用户获取有价值的信息难度越来越大。虽然搜索引擎可以过滤部分信息，但搜索到的信息未必符合用户的需要。为解决“信息超载”的问题，并提供个性化服务，基于Web的推荐系统(Recommender Systems)被广泛应用，并且已取得了许多较有影响的研究成果。近年来，移动互联网服务和信息内容的日益增长，使得智能移动设备逐渐成为人们获取信息的主要平台之一，但同时，也给移动用户带来了严重的“信息超载”的问题[1]，影响了移动用户的体验。随着移动用户的数量急剧增长，国内外大学和研究机构也对移动推荐展开了深入研究，其逐渐成为推荐系统研究领域的热点之一，随之研发出了移动推荐系统(Mobile Recommender System，简称MRS)[2]。

目前，推荐系统所采用的关键技术主要有基于关联规则、基于内容、基于协同过滤的推荐和混合推荐。对协同过滤最早的研究有Grundy system，现在比较著名的基于协同过滤技术的推荐系统有Group Lens/Net Perceptions、Tapestry、Ringo、PHOAKS systems、Jester system以及国内的豆瓣网等。

2 协同过滤推荐技术

协同过滤推荐技术是推荐系统中应用最为成功的技術之一，主要通过收集大量用户信息、历史访问记录等，根据用户或项目间的相似性预测其可能感兴趣的项目，并将预测结果反馈给用户。关于协同过滤算法，Sarwar等人依据协同过滤技术所使用的事物之间的关联性，将其分为基于项目的(Item-based)协同过滤算法与基于用户的(User-based)协同过滤算法。

2.1 基于项目的协同过滤推荐

基于项目的协同过滤推荐，首先根据用户对项目评价的二维矩阵数据来求出不同项目之间的相似度，然后利用相似度计算出结果推荐给用户。这些推荐结果是通过发现与用户喜欢的项目相似的项目来完成的。若要计算两个项目之间的相似度，主要通过对两个用户已经完成的评分记录，然后使用相似性计算方法得出结果。在个性化推荐系统中，各项目之间的关系相对来说变化很小，相对比较稳定，然后利用项目之间的相似性，通过在线计算就能快速得到预测结果。这种方法在提高推荐效率的同时，在某种程度上能解决基于用户的协同过滤系统中存在的可扩展性问题。

在大部分推荐系统中，数据的稀疏性问题比较普遍。传统的相似性计算方式存在一定弊端，从而最终影响系统的推荐准确率。为此，张忠平和郭献丽[3]提出了一种新的项目相似性度量方法，即PEV相似性度量方法。但是，该算法的前提是要有一定数量用户评分的项目。但是，对于一个新项目，由于还没有任何用户对其做出过评分，造成新项目无法被推荐，即出现冷启动问题。由于项目的特征属性比较稳定，因此，其在一定程度上能解决新项目的冷启动问题。例如，彭玉和程小平[4]提出了一个基于属性相似性的协同过滤算法，弥补以往协同过滤推荐算法在新项目推荐方面的不足。

2.2 基于用户的协同过滤推荐

基于用户的协同过滤推荐技术通过计算目标用户的最近邻居集进行推荐。其核心概念是假设人与人之间的兴趣具有某种程度的相似性，如观看相似类型电影的用户，则会看相似类型的电影。然而，传统的协同过滤算法并未考虑到用户兴趣是动态变化的，过去访问过的项目的兴趣度并不能代表后来对该项目的兴趣度不变，而且在某些项目中，兴趣度会随着时间的变化而变化。例如，用户对不同衣服的兴趣度随着季节的变化而变化。董立岩等[5]提出将时间因素融入用户项目评分矩阵中，以解决兴趣衰减的问题。但是，该方法过于依赖用户的历史访问记录与评价，忽略了用户数据稀疏的问题，最终影响推荐的准确率。

3 协同过滤推荐技术存在的问题

协同过滤推荐技术作为一种可以实现个性化推荐的技术，虽然在个性化推荐中被广泛应用并取得了巨大成功，但也存在一些不足之处，如由于数据规模庞大而访问记录较少造成的稀疏问题，新用户或新项目无访问记录造成的冷启动问题和数据规模极速增长或需求不断更新造成的可扩展性问题等。国内外研究人员也针对这些问题进行了广泛而深入的研究，且取得了一些成果，但对协同过滤的研究还要不断完善。随着互联网的发展，尤其是移动互联网的广泛应用，如何满足新的需求，也是一个新的挑战。因此，对于协同过滤算法的研究主要集中在处理稀疏性问题、冷开始问题和可扩展性问题及推荐系统的快速反应能力方面。

3.1 稀疏性问题

随着互联网的发展，用户和项目急剧增加，推荐系统的规模越来越大，用户和项目之间的项目选择的重叠则更少，稀疏性问题也将更加突出。目前，解决数据稀疏性问题的方法通常有矩阵填充、矩阵分解和改进相似度计算函数等。对于预设评分方法，这种预测并不能完全代表用户的真实兴趣，尤其是在用户-项目数量急剧增长的情况下，预测的误差率也相对增加，从而最终影响项目推荐的准确性。对于与人工智能方法的结合，此方法在解决数据稀疏性问题的同时往往会牺牲推荐的精度，并且难以解决推荐计算的可扩展性问题。对于降维方法，降维会损失重要信息，由于降维的效果与数据密切相关，并且在项目空间数目维数很高时，降维的效果难以保证。

3.2 冷启动问题

冷启动问题又称第一评价问题(First-rater)，或新项目问题(New-item)，从一定角度可以看成是稀疏问题的极端情况。协同过滤推荐依靠的是用户对项目的评分才能给出推荐。在推荐系统中，若增加一个新项目，由于没有任何评价信息，那么该项目就永远没有机会被推荐给用户，即新项目的冷启动问题。在协同过滤系统中，针对每个项目，都会有简单的项目内容分析或简介，一般利用这些相关内容，通过计算项目之间的相似性，建立项目的近邻模型，然后根据相似性的大小进行推荐。

冷启动问题中还包括新用户问题，一个新注册加入的用户由于从未对系统中的任何项目进行评价，则系统无法获取其兴趣点，也就无法对其进行推荐。针对这一问题，一般解决方案主要是利用对象熵、受欢迎程度和用户个性属性等进行改进。

3.3 可扩展性问题

在推荐系统中，用户和项目的数据组成一个用户数目为[M]，项目数目为[N]的二维矩阵，计算用户或项目的相似度的时间复杂度为O([M*N])。系统的可扩展性问题(即适应系统规模不断扩大的问题)也是影响推荐系统实施的重要因素。因此，开发一种适应系统扩展的算法也至关重要。随着互联网的快速发展，用户和项目急剧增加，在整个空间上搜索目标用户的最近邻居比较耗时，而且现在大多数的推荐系统是在线给出推荐结果，难以满足推荐系统的实时性要求。另外，该类算法较为适用于用户兴趣爱好变化比较稳定的情况，而且用户兴趣模型和项目模型训练的代价一般比较大，不适合频繁地更新数据系统。

3.4 移动推荐系统中应用问题

4G移动互联网的快速发展为移动网络带来了无尽的应用空间，“小巧轻便”及“通讯便捷”两个特点，决定了移动互联网与传统互联网的根本不同之处，也为用户提供了更加丰富的业务种类、个性化服务和更高质量的服务。由于移动设备便于携带，可以随用户移动，这使得推荐的信息要更有针对性，如根据所在位置推荐某用户喜欢的商品、餐饮等信息。目前，针对移动推荐系统的研究也取得了一定的进展，在新闻、搜索、旅游、博客、广告、电影和音乐等领域均有研究成果，如Davidsson C等人的研究[6]是基于位置上下文的个性化移动应用程序推荐，位置信息通过移动设备自动感知或人为设定获取，根据当前位置移动应用程序的使用情况向用户推荐。但目前，由于个人的隐私和信息安全问题，获取移动用户的位置及访问记录等相关信息相对比较困难。因此，如何更好地结合移动社会化网络与移动推荐，有效评价移动推荐系统的性能，设计符合移动设备的交互方式均是今后的主要研究方向。

4 评估方法

推荐系统的评价是一个非常重要的问题，如果推荐系统的推荐质量较高，会使得用户数据越来越多，推荐系统所产生的推荐结果也就越来越精确，从而形成一种良性循环。试验标准的选择和设置是推荐算法试验中的重要组成部分，合理的评价标准能有效检测出算法性能以及算法中有待改进之处。本文使用了推荐系统中评价算法预测精度的指标对算法进行评价，其被分为统计精度度量方法SAM(Statical Accuracy Metrics)，決策支持精度度量方法DSAM(Decision Support Accuracy Metrics)和准确率(Precision)三种方法，且本文采用准确率这种评价标准对协同过滤算法进行实验分析与评价。

4.1 统计精度度量方法

SAM使用平均绝对偏差MAE(Mean Absolute Error)。MAE表达直观，易于理解，是最常用的一种推荐质量度量方法。设推荐系统预测的用户评分集合表示为[p1，p2，…，pN]，对应的实际用户评分集合为[q1，q2，…，qN]，则平均绝对偏差MAE定义公式为：

[MAE=i=1Npi-qiN] (1)

在這里，MAE越小，推荐质量越高。

4.2 决策支持精度度量方法

DSAM最常用的决策支持精度尺度是ROC(Receive Operating Characteristic)。ROC把预测过程看作是一个二进制操作，每个信息项只能被预测为好和不好，其把预测过程看作是一个过滤过程。

4.3 准确率(Precision)

准确率(Precision)作为该算法的评价标准，其也是一个衡量推荐系统准确度的评价标准，表示正确推荐数目占整个[Top-N]推荐集的比例。如果[Top-N]推荐集中某个项目[i]出现在目标用户测试集中的访问记录里，则表示生成了一个正确推荐。具体计算为：

[Precision=HitsN] (2)

其中，[Hits]表示算法产生的正确推荐数目，[N]表示算法生成的推荐总数。

4.4 评价指标

对移动推荐系统性能的评价，由于在移动推荐领域中公开可以使用的数据集较少，主要是用评价指标来衡量的。通过调查问卷的方式可以了解到用户的满意度、交互体验等指标。但不足之处是成本较大，样本数量有限。这也是移动推荐系统需要解决的问题之一。

5 结语

推荐系统在过去的十几年中取得了巨大进步，在电子商务、社会网络、网络购物和新闻等领域得到了广泛应用。随着信息技术的迅速发展和信息内容的急剧增长，未来的网络信息个性化服务需求日益提高，个性化推荐系统将会被更广泛地关注和应用。协同过滤推荐技术是推荐技术中应用最成功的技术之一，但其仍存在稀疏性、冷启动和可扩展性等问题需要进行深入、细致的研究，以提高推荐系统的服务质量。本文对目前比较流行的协同过滤推荐系统进行概述，归纳总结了面临的问题，为今后如何在实际应用中解决这些问题提供参考。

参考文献：

[1]李勇.移动互联网信息安全威胁与漏洞分析[J].通信技术，2014(4)：439-444.

[2]Ricci F. Mobile recommender systems.[J]. Information Technology & Tourism，2010(6)：205-231.

[3]张忠平，郭献丽.PEV：一种新的用于Item—Based协同过滤算法的相似性度量方法[J].小型微型计算机系统，2009(4)：716-720.

[4]彭玉，程小平.基于属性相似性的Item-based协同过滤算法[J].计算机工程与应用，2007(14)：144-147.

[5]董立岩，王越群，贺嘉楠，等.基于时间衰减的协同过滤推荐算法[J].吉林大学学报(工学版)，2017(4)：1268-1272.

[6]Davidsson C，Moritz S. Utilizing implicit feedback and context to recommend mobile applications from first use[C]// The Workshop on Context-Awareness in Retrieval & Recommendation. ACM， 2011.

作者：李转运唐桂林

第4篇：欧美经典电影推荐

以下是本人总结的欧美经典电影大全，排名不分先后，经典不分时间。有的列了主演的名字上去，有的或者因为懒、或者因为不太确定、或者因为不知道就没有列出。以下片子基本本人都看过，觉得都还不错，列出以抛砖引玉。

1：罗马假日--奥黛丽.赫本 2：魂断蓝桥 3：音乐之声 4：桂河大桥 5：乱世佳人(飘)--费雯丽、盖博 6：教父

1、2--马龙.白兰度、阿尔帕西诺 7：卡萨布兰卡 8：沉默的羔羊--朱迪.福斯特 9：与狼共舞 10：未来水世界 11：廊桥遗梦--伊斯特伍德 12：尼尔的芳心----朱迪.福斯特 13：勇敢的心--梅尔吉布森 14：爱国者--梅尔吉布森 15：夺宝奇兵

1、

2、3--哈里森福特 16：第一滴血

1、

2、3--史泰龙 17：洛奇

1、

2、

3、

4、

5、6--史泰龙 18：终结者--施瓦辛格 19：真实的谎言--施瓦辛格 20：费城故事--汤姆.汉克斯 21：阿波罗13号--汤姆.汉克斯 22：阿甘正传--汤姆.汉克斯 23：毕业生--达斯汀.霍夫曼 24：壮志凌云--汤姆.克鲁斯 25：碟中谍

1、

2、3--汤姆.克鲁斯 26：纽约黑帮--罗纳尔蒂尼奥 27：泰坦尼克--罗纳尔蒂尼奥 28：人鬼情未了--黛咪.摩尔 29：红磨坊 30：闻香识女人 31：黑客帝国

1、2--基努.李维斯 32：异形

1、

2、

3、433：异种

1、234：科学怪人 35：人猿星球 36：异石 37：埃及艳后 38：死神来了

1、

2、

3、4 39：杀人如麻

1、

2、340：人皮客栈

1、2 41：极度惊惧 42：电锯杀人狂 43：世界大战 44：空军一号--哈里森福特 45：天煞(地球反击战) 46：生死时速

1、2 47：变脸--尼古拉斯.凯奇 48：第六元素 49：星球大战 50：星战前传 51：E.T--巴里莫尔 52：指环王 53：哈里波特 54：蜘蛛侠 55：断箭--汤姆克鲁斯 56：简.爱 57：呼啸山庄 58：断背山 59：杀死比尔

1、2 60：007系列 61：宾虚 62：蝙蝠侠 63：亚瑟王 64：超人 65：超人归来 66：木乃伊

1、2 67：加勒比海盗

1、

2、3 68：大白鲨 69：侏罗纪公园系列 70：X战警系列 71：小鬼当家系列 72：面具--金.凯瑞 73：肖申克的救赎 74：修女也疯狂

1、2 75：古墓丽影 76：生化危机 77：恐怖地带 78：飞越疯人院 79：日内瓦医生 80：蝴蝶梦 81：本能

1、2--莎朗.斯通 82：脱衣舞娘--黛咪莫尔 83：恐怖蜡像馆 84：机械战警系列 85：变形金刚 86：金刚 87：哥斯拉 88：狂蟒之灾系列 89：钢琴课 90：国家机密 91：女角斗士系列 92：角斗士 93：匈奴王 94：斯巴达克斯 95：巴黎圣母院 96：悲惨世界 97：狮子王 98：婴儿外出系列 99：加菲猫 100：冰河世纪 101：风语者 102：独立日 103：龙卷风 104：雨人 105：爱情故事 106：勇闯夺命岛 107：傲慢与偏见 108：珍珠港 109：惊情四百年 110：夜访吸血鬼 111：这个杀手不太冷 112：英国病人 113：安娜.卡列林娜 114：泰山 115：森林之王 116：金色池塘 117：辛德勒名单 118：西线无战事 119：霹雳天使

1、2 120：佐罗 121：基督山伯爵 122：英俊少年 123：桥 124：查泰莱夫人的情人 125：惊声尖笑 126：铁面人 127：美国派系列 128：艳舞女郎 129：拯救大兵瑞恩 130：兵临城下 131：丛林奇兵 132：神奇四侠 133：达芬奇密码 134：莎士比亚的爱情 135：国家宝藏 136：野战排 137：刀锋战士 138：驱魔人 139：保镖140心灵捕手、西雅图不眠夜、触不到的恋人

《肖申克的救赎》《阿甘正传》《当幸福来敲门》《我是山姆》《缘分天注定》《天使之城》《居家男人》《云中漫步》《初恋50次》《人鬼情未了》《保镖》《剪刀手爱德华》《美丽心灵的永恒阳光》《天堂电影院》《海上钢琴师》《无主之城》《后天》《楚门的世界》《幸福终点站》《风语者》《机器管家》《不一样的本能》《斯巴达300勇士》《勇敢的心》《洛奇》系列《贫民窟的百万富翁》《雨人》《搏击俱乐部》《愤怒的公牛》《美国往事》《百万美元宝贝》《告别昨日》《美丽人生》《大鱼》《机器管家》《这个杀手不太冷》《燃情岁月》《辛德勒的名单》《飞越疯人院》《神奇遥控器》《远大前程》《黑客帝国》《U-571》《碟中谍》系列《黑衣人》系列《亚瑟王》《指环王》系列《生化危机》系列《第五元素》《人猿星球》《冒牌天神》《大话王》《空中监狱》《查理和巧克力工厂》

证人：

第5篇：国产经典电影推荐

1、电影片名：霸王别姬出品年份：1993 年

出品地：中国内地，香港

影片类型：爱情 / 剧情 / 音乐导演：陈凯歌

主演：张国荣巩俐张丰毅

2、电影名：庐山恋上映：1980 年地区：中国大陆类型：爱情片导演：黄祖模主演：张瑜郭凯敏

3、电影片名：阿郎的故事导演：杜琪峰地区：中国香港

主演：周润发张艾嘉上映时间：1989 年 3 月 1日

4、电影片名：红河谷

剧情类型：爱情 / 剧情 / 战争 / 历史导演：冯小宁

主演：宁静邵兵应真国家：中国大陆发行：1999(美国)

5、电影片名：活着国家：中国大陆导演：张艺谋主演：葛优巩俐出品时间：1994 影片类型：剧情

6、电影片名：可可西里导演：陆川

主演：多布杰张磊赵雪萤地区：中国大陆类型：艺术

7、电影名：十七岁的单车

国家：中国大陆

导演：王小帅出品年份：2000

主演：崔林李滨周迅

8、电影名：甜蜜蜜导演：陈可辛主演：黎明张曼玉发行年份：1996 发行地：中国香港

9、电影名：我的兄弟姐妹导演：俞钟

主演：梁咏琪姜武夏雨发行地：中国大陆

10、电影名：紫日发行地：中国大陆发行时间：2001 导演：冯小宁

主演：富大龙安娜·捷尼拉洛娃前田知慧

11、电影名：苏州河发行地：中国大陆导演：娄烨主演：周迅贾宏声

12、电影名：喜剧之王发行地：中国香港发行时间：1999 导演：周星驰李力持

主演：周星驰张柏芝莫文蔚

13、电影名：富贵列车上映时间：1986 地区：中国香港导演：洪金宝

主演：元彪洪金宝曾志伟关之琳

14、电影名：《倩女幽魂》三部曲导演：程小东主演：张国荣王祖贤地区：中国香港

15、电影名：天若有情之追梦人导演：陈木胜

主演：刘德华吴孟达吴倩莲地区：中国香港上映时间：1990

16、电影名：搭错车地区：香港台湾导演：虞戡平

主演：孙越刘瑞琪吴少刚李立群上映时间：1983

17、电影名：妈妈再爱我一次地区：台湾上映时间：1989 导演：陈朱煌

主演：杨贵媚李小飞谢小鱼

18、电影名：天堂回信、导演：王君正

主演：李丁肖雄石晨

上映时间：1992 地区：中国大陆

19、电影名：芙蓉镇导演：谢晋

主演：刘晓庆姜文上映时间：1987 地区：中国大陆

20、电影名：和你在一起地区：中国韩国上映时间：2003 导演：陈凯歌

主演：刘佩琦陈红王志文

21、电影名：黄河绝恋地区：中国大陆导演：冯小宁

主演：宁静王新军涂门年份：1999

22、电影名：蓝风筝地区：中国香港导演：田壮壮

主演：吕丽萍濮存昕李雪健年份：1993

23、电影名：盲井地区：中国大陆时间：2006 导演：李扬

主演：李易祥王双宝王宝强

24电影名：旺角卡门导演：王家卫

主演：刘德华张曼玉张学友万梓良时间：1988

25、电影名：我们俩导演：马俪文主演：金雅琴宫哲不多说，强力推荐此片

26、电影名：阳光灿烂的日子时间：1994 地区：中国香港导演：姜文

主演：夏雨耿乐宁静陶虹姜文

27、电影名：阿飞正传地区：中国香港导演：王家卫

主演：张国荣刘德华张曼玉刘嘉玲张学友上映时间：1990

28、电影名：悲情城市地区：中国台湾导演：侯孝贤

主演：梁朝伟李天禄陈松勇高捷时间：1989

29、电影名：蓝色大门地区：中国台湾导演：易智言

主演：桂纶镁陈柏霖上映时间：2002

30、电影名：春光乍泄地区：中国香港导演：王家卫

主演：张国荣梁朝伟张震时间：1997

31、电影名：南海十三郎地区：中国香港导演：高志森

主演：谢君豪潘灿良时间：1997

32、电影名：牯岭街杀人少年地区：中国台湾导演：杨德昌

主演：张震杨静怡王启赞张国柱时间：1991

33、电影名：城南旧事地区：中国大陆导演：吴贻弓

主演：张丰毅沈洁张闽

34、电影名：东邪西毒地区：中国香港时间：1994 导演：王家卫

主演：中国荣梁家辉张曼玉梁朝伟刘嘉玲

35、电影名：鬼子来了地区：中国大陆导演：姜文

主演：姜文姜鸿波时间：2001

36、电影名：末代皇帝导演：贝纳尔多·贝托鲁奇主演：尊龙陈冲彼德·奥图时间：1986

(这是一部多国合作的电影)

37、电影名：饮食男女地区：中国台湾导演：李安

主演：吴倩莲张艾嘉杨贵媚时间：1994

38、电影名：英雄本色地区：中国香港时间：1986 导演：吴宇森

主演：周润发成奎安张国荣李子雄

39、秋天的童话

导演：张婉婷编剧：罗启锐

主演：周润发钟楚红黄淑仪陈百强类型：爱情时间：1987 年

40、孔雀

导演：顾长卫执行导演：刘国楠执行制片人：二勇制片主任：张佳琨

主演：张静初冯砾吕玉来上映日期 2005 年 2 月 18 日

41、红高粱年份：1987年

上映时间：1988年10月10导演：张艺谋

演员：巩俐姜文滕汝骏贾六

42、纵横四海

类型：犯罪片喜剧片动作片出品年份： 1991 香港出品公司：金公主导演：吴宇森

主要演员：周润发张国荣钟楚红曾江

43、暖春

导演：乌兰塔娜

上映时间：2003 年上映

主演：田成仁、张妍、郝洋、于伟杰

44、不见不散导演：冯小刚主演：葛优徐帆出品年份：1998 年

45、半支烟主演：曾志伟谢霆锋

导演：叶锦鸿

地区：中国香港

46、电影名：甲方乙方导演：冯小刚

主演：葛优何冰傅彪时间：1997 产地：中国大陆

47、电影名：一一地区：台湾日本导演：杨德昌

主演：吴念真金燕玲时间：2000

48、那山、那人、那狗导演 : 霍建起

演员 : 腾汝骏刘烨赵秀丽龚业珩陈好党昊黄薇李春华杨伟伟王宇原著 : 彭见明

49、站台

导演：贾樟柯编剧：贾樟柯

演员：王宏伟赵涛杨天乙梁景东上映日期：2000 年 9 月 4 日

50、岁月神偷

导演：罗启锐

主演：任达华，吴君如，秦沛，张坚上映时间：2010 年 3 月 11 日香港

第6篇：经典电影推荐大全

十佳武侠片

1.卧虎藏龙：“美”式武侠片的开山之作!

2.龙门客栈：现在的武侠片制作模式都是照它来的。

3.飞鸿系列：捧红了李连杰啊.

4.醉拳：成龙代表作，功夫片黄金时代的作品。

5. 少林寺三十六房：刘家辉的成名作，现在来看也趣味无穷。

6.少林寺：不用说了，真功夫的代表。

7.佐罗：法国剑侠片的代表，迷到很多mm。

8.笑傲江湖：对林青霞扮演的东方不败印象最深。

9.座头市：创新的日本剑侠片，很有特点。

10. 杀死比尔：呵呵，新派东西方结合的功夫片. 十佳动作片

1.英雄本色(1)：吴宇森代表作。

2. 真实的谎言：阿诺演的最温情和幽默的电影。

3.生死时速(1)：充满动感，耳目一新!

4.虎胆龙威系列：呵呵他怎么总是一身伤却不死啊!!!

5.勇闯夺命岛(石破天惊)：动作片颠峰作品!演员表演出色。

6.刀锋战士(

1、2)：新式吸血鬼动作片，非常另类和华丽。

7.神秘的黄玫瑰系列：呵呵因为看的时候年纪小，觉得比西部片还经典。

8.复仇：也是罗马尼亚的老电影，这部影片的枪战让人百看不厌。

9.三步杀人曲系列：干净利落的墨西哥风格枪战电影。

10.第一滴血(1)：有内涵有力度有故事，是史泰龙为数不多的好片。十佳喜剧片

1. 两杆大烟枪：在英式幽默和一团乱麻中寻找答案的乐趣

2.我为玛丽狂：美国厕所文化的代表，低俗但好玩。

3.反斗神鹰系列：美式无厘头动作喜剧。

4.大话西游(

1、2)：经典!

5.花田喜事：港式老喜剧片的代表，明星云集。

6.惊声尖笑系列：以模仿糟改其他影片取乐的新型喜剧片。

7.虎口脱险：欧式喜剧片经典作，百看不厌。

8.金鸡：近年少见的优秀香港电影，有很深的内涵。

9.面具：金凯瑞的成名作。

10. 喜剧之王：周星弛最有内涵的电影。

十佳战争片：

1.拯救大兵瑞恩：最真实反映战争和人性的超级巨作。

2.猎杀红色十月：节奏和人物拿捏准确的潜艇影片代表作。

3.兵临城下：从独特的视角描写二战的巨片，演员表演到位。

4.大逃杀：

5.巴顿将军：全景式展示战争的代表作，演员表演出色。

6. u-571：效果出众的新型海战片，拍得很有特点。

7.全金属外壳：库布里克对战争的深刻反思，看过后使人对战争产生恐惧。

8.星际舰队：科幻性质的战争片，士兵的训练和战斗的描写很有煽动性和争议性。

9.瓦尔特保卫萨拉热窝：随时看起来都心潮澎湃的好电影!

10.野战排：反思越战的经典影片。

十佳爱情片

1.泰坦尼克：商业大作!

2.漂亮女人：现代版麻雀变凤凰!

3.罗马假日：奥黛丽赫本的经典。

4.金玉盟：淡淡的幽怨、一生的承诺!

5.卡萨布兰卡(北非谍影)：经典老片。

6.毕业生：我们还能找到青春时代的纯洁爱情吗?

7.生命中不能承受之轻：以时代为背景的爱情名片，节奏缓慢。

8.保镖：轻松健康的爱情电影。

9.克莱默夫妇：对婚姻、儿女进行深入思考的伦理片。

10. 阳光灿烂的日子：属于我们这些人的青春! 注：夏雨的《独自等待》也不错。十佳科幻片

1.星球大战系列：开创了一个电影神话。

2. 异次元骇客(第十三层)：应该说它比黑客帝国的构思更精妙。

3.超人：所有漫画类科幻电影的代表。

4. 终结者(1和2)：科幻电影经典中的经典。

5.12猴子：如此引人深思的科幻电影真不多见。

6.黑客帝国系列：引发了对现实和未来网络发展的思考，形成了一种黑客文化。

7. 移魂都市(黑暗城市)：风格另类的科幻片，结尾出人意表。

8.超时空接触：比较严肃地探讨外星文明问题的力作。

9. 千钧一发：描写未来社会人的基因问题的惊险影片，内容和主题俱佳。

10. 2001漫游太空：经典作品，以严肃的科学性和预见性著称。十佳恐怖片

1.夺命狂呼系列：校园恐怖片的代表作，对年轻人的胃口。

2.杀出个黎明：另类夸张的恐怖片，不吓人，反而很搞笑和另类。

3.活死人的黎明：活死人系列代表作，以恶心的僵尸著称。

4.驱魔人：画面阴郁，声效凄厉，晚上看真的噤若寒蝉!

5. 见鬼：港式恐怖片代表，有恐怖，也有情感。

6.解剖(

1、2)：欧洲恐怖片的代表，内容奇怪前卫。

7.坏品味：指环王导演的早期作品，恐怖而搞笑。

8.异形系列：科幻类恐怖片经典，

1、

2、4都很精彩

9.咒怨：日式恐怖的代表，极其邪恶!

10.活跳尸：罕见的血腥的黑色幽默!

十佳惊悚片

1. 死神来临(

1、2)：构思巧妙，场景惊人。

2. 黑暗降临：描写鬼怪传说的惊悚片，有些新意思。

3. 沉默的羔羊：获得奥斯卡奖的惊悚片!

4.7宗罪：风格阴暗，让人时不时想逃!表演精致!

5.闪灵：可以尽情欣赏杰克尼科尔森的超凡演技。

6. 第六感：此类影片代表作!!结尾精彩之极!

7. 断头谷：蒂姆伯顿的惊悚恐怖大作，人头乱滚!

8.心慌方(

1、2)：加拿大导演的匪夷所思之作!!!

9.本能：不用说了，很色情!

10. 医院风云：拉斯冯提尔导演的丹麦影片，吓的很多人不敢独自回家。

十佳魔幻片

1.狼族盟约：法式魔幻片，明星众多的大制作。

2.印第安纳琼斯(夺宝奇兵)三部曲：斯皮尔伯格和卢卡斯的强大组合!

3.倩女幽魂：中国鬼电影的里程碑!决不输于外国片!

4.魔戒三部曲：伟大的经典的真正的电影!!!

5.哈利波特系列：新魔幻电影的奇特分支。

6. 魔幻屠龙(龙的心)：感情真挚。

7.木乃伊：幽默和特技结合的娱乐片。

8.剪刀手爱德华：蒂姆伯顿最有想象力的作品。

9.小飞侠：崭新的适合儿童的幻想片。

10.大鱼：多看两遍吧，活着要善待自己啊!

十佳动画片

1.怪物公司：罕见的数码特技!动人有趣的创意!

2.冰冻星球：虽然卖座不是很好，但它的场景可是真的漂亮!

3. 辛巴达航海记：巧妙结合手绘和3d技术的优秀作品。

4.怪物史莱克：健康的爱情观和幽默的故事!

5.寻找尼莫(海底总动员)：融合温馨情感和尖端技术的动画经典。

6.千与千寻：宫岐峻颠峰之作!

7.最终幻想：3d人物数码化的先驱，技术出众。

8.吸血鬼猎人：日式风格的华丽吸血鬼大作。

9.盖娜：欧洲的动画大作，风格很怪异!

10.恐龙：不用说了，好看!

学英语用的十佳经典片(巨经典) 1.肖申克的救赎：男人必看的励志影片。

2.美国往事：整个人生都在里面。

3.阿甘正传：教导所有的人要去宽容别人，傻就是福气。 4.天堂电影院：每个男人的童年回忆的经典巨作。

5.活着：也许是中国目前最伟大的电影。 6.无主之城：很牛的一部电影。

7.音乐之声：音乐的力量、音乐的快乐!

8辛德勒的名单：震撼人心的历史、充满感染力的巨作。 9.楚门的世界：探讨人的价值和人性根本的奇思怪作。

10.教父(1和2)：黑帮片中的翘楚者。

附表：1 合作经营协议书

甲方：乙方：

经甲乙双方友好协商，就中石油煤层气保德区块地面工程合作经营事宜，自愿达成如下协议，以资信守：

一、合伙宗旨：共同合作、合法经营、利益共享、风险共担。

二、合作经营项目：中石油煤层气保德区块地面建设工程。

三、合作经营地点：山西省保德县。

四、出资金额方式：期限垫付。

1、甲方以现金方式出资200万元;乙方以现金方式出资200万元(主要用于补足前任合伙人撤资款项)。

2、合同签订之日乙方向甲方交付100万元投资款，剩余100万元乙方须在2012年3月31日前全额到位。

3、2012年3月31日前应付前任合伙人撤资的17万利息，双方各承担8.5万元。

4、乙方垫付2012年2月开工前期全部费用。(回款前)

五、股份划分：甲方 % 、乙方 %。作为确定盈余分配和债务承担的基础。

六、合作期间甲乙双方的出资为双方共有资产，不得随意请求分割。

七、甲乙双方的任何一方原则上不得中途退撤，任何一方在不给合作

事务造成不利影响的前提下可以退出，但须经双方协商认可。

八、甲乙双方的分工、权力与义务：

1、甲方为合作项目的负责人，全面负责合作业务的日常经营与管理，重点负责商务活动及工程的回款工作。费用不得超过工程总额的10%。

2、乙方负责合作项目的生产，施工、安全工作。

3、以甲方公司的名义，在保德县与当地银行开设账户，双方各留印鉴、共同管理。乙方负责施工过程中的财务工作，对于涉及财务、账目以及借款、还款、日常投资等资金使用事项在超过元额度( 元以下的应各自记账留存凭证定期对账)，应许甲乙双方协商一致方可进行。同时，甲乙双方都有对财务账目的监督权利。

九、盈余分配与债务承担：

合作双方共同经营，共同合作、共担风险、共负盈亏。

十、合作任一方违反本协议导致合作损失的，应当对另一方承担。本协议未尽事宜，双方协商解决。

本协议一式 2 份，甲乙方各执一份，经甲乙方签字画押后生效。

甲方：乙方：

年月日年月日

第7篇：100部经典电影推荐

秒速五厘米碧海蓝天返老还童西线无战事怪兽电力公司土拨鼠之日安妮·霍尔我是山姆闪灵

甜蜜蜜

蝴蝶梦

再见列宁

穿条纹睡衣的男孩黑天鹅

唐人街

无耻混蛋落水狗

西北偏北我在伊朗长大

美丽心灵的永恒阳光雨人

重庆森林帝国的毁灭老爷车

*热天午后宾虚

电话谋杀案彗星美人

偷拐抢骗卢旺达饭店愤怒的公牛全金属外壳发条橙

猜火车

出租车司机灵异第六感巴比龙

乱

被嫌弃的松子的一生闻香识女人后窗

一夜风流

杀死一只知更鸟

*公民凯恩

莫扎特传

荒野生存

一一(电影名字就是“——”) 萤火虫之墓

楚门的世界

*野草莓伯格曼

放牛班的春天

潜行者

因父之名

大路

阿拉伯的劳伦斯

光荣之路

现代启示录

与狼共舞

拯救大兵瑞恩

自闭历程

一次别离

迁徙的鸟

罗生门

致命魔术

奇爱博士

梦之安魂曲

伴我同行

玛丽与马克思

沉默的羔羊

淘金记

生之欲

将军号

大都会

雨中曲

少年派的奇幻漂流

天使艾米丽

两杆大烟枪

海上钢琴师

偷自行车的人

暴力云与送子鹳

指环王

大独裁者

惊魂记

窃听风暴

上帝之城

家园

低俗小说

寻子遇仙记

美国往事西部往事。。。。乱世佳人

摩登时代

飞越疯人院

瓦力

城市之光

七武士

黄金三镖客

教父

十二怒汉

辛德勒的名单

第8篇：大学经典励志电影推荐

大学生经典励志电影推荐关键词：励志,大学生,经典,推荐,电影

大学生经典励志电影推荐介绍：导语：大学生适合多看一些励志电影，下面就由小编为大家介绍大学生经典励志电影推荐，希望对大家有所帮助!

1、《黑暗中的舞者》

一部震撼心灵的影片，具有深渊一般的穿透力，歌舞片中少有的经典。现实与理想，执着与信念，主题深刻的让人窒息。

2、《喜剧之王》

小人物的辛酸历程，周星驰自己的真实的写照。

大学生经典励志电影推荐详情：

[免费论文：/oss，怎么办呢?不妨学一学这部片子里的女主角。如果你喜欢这份工作，那么好好干，拼命展现自己，以博得上司的青睐;如果不再喜欢了，那么何不潇洒的炒老板的鱿鱼!

10、《天使艾米丽》

作为http://www.phrw.bid/新人，来到新环境，也许会受到排斥与冷落。想处好人际关系，也许你可以像艾米丽一样，去主动关心别人，做一些小小的努力，哪怕换来的是一个微笑或一声谢谢，但是你逐步建立起来的良好的人际关系会让你事半功倍。

[大学生经典励志电影推荐]相关文章：

1.国外经典励志电影推荐

2.好看励志电影推荐

3.青春励志电影推荐

4.美国励志电影推荐

5.经典外国电影推荐

6.经典悬疑电影推荐

7.大学生必看的励志电影推荐

8.创业者必看的经典励志电影推荐

9.十部国外经典励志电影推荐

10.欧美经典励志电影推荐

第9篇：经典电影推荐悬疑片

《搏击俱乐部》

格斗俱乐部/斗阵俱乐部/搏击会/搏击俱乐部 Fight Club (1999)

导演：大卫.芬奇 David Fincher

主演：布拉德.皮特 Brad Pitt 海伦娜.邦汉.卡特 Helena Bonham Carter 杰瑞德.莱托 Jared Leto 密特.劳弗 Meat Loaf 爱德华.诺顿 Edward Norton 大卫.安德鲁斯 David Andrews Richmond Arquette 艾恩.贝利 Eion Bailey

评分： 8.6/10( 115110票 )

类型：犯罪剧情惊秫神秘

地区：美国德国

这是一部朋友一直强烈推荐的影片，不过却迟迟未看，2000年时认为这是暴力，排斥;2002年认为布拉德主演太肤浅;直到大卫.芬奇的其它影片令我激动，布拉德的演技开始令我解除偏见。看完后我明白，商业与艺术的完美结合就在眼前，这是一部无法不去推崇，无法不去喜欢的杰作。

与《猜火车》中用吸毒、偷盗来实现自我虚无、自动放弃价值不一样，《搏击俱乐部》延续了暴力反抗旧有价值体制束缚的主题。在战后西方社会，暴力逐渐成为现代电影中发泄不满、表示怀疑与抗争的主要手段，早在六七十年代，《发条橙子》等一系列影片已经为暴力电影打开了一条康庄大道，相比之下，《搏击俱乐部》中的暴力则少了几分明目张胆与毫无节制的血腥，多了几分克制与回避。

或许你会觉得大卫.芬奇是那种非常固执的人，在这部充满末世情绪、暴力和大量象征与暗喻的电影中，他再次表现了对“黑色”的偏爱:黑色背景、黑色主题、黑色幽默，并由“The Dust Brother”揉合了阴冷、怪异、幽默感和冲击力的电子摇滚乐加以烘托。但《搏击俱乐部》绝不沉闷乏味，它把艺术性、思想性和商业元素近乎无可挑剔地溶合在一起，既有对现代人精神与心理的真诚关注，也有引起影迷足够尖叫的性感影星、MTV式的影像、暴力场面和笑料。

在叙事上，影片以倒叙展开，每个段落都伴以主人公杰克的自叙与独白，巧妙地弥补了台词和影像在叙述上的缺陷，不过有些段落之间没有明确的时空顺序，但观众只要稍加回味便能明白来龙去脉。

作为一个拍广告和MTV出身的导演，大卫.芬奇在对场面调度和镜头运用上既保持了观赏性又极富个性，影片大量运用慢推、急摇等灵活的运动镜头，与压抑凝重的偏黑背景形成鲜明对比，值得注意的是，片中的绝大部分镜头皆采用仰拍手法，镜头的水平线很少超出人物的头部，从而突出了人物的形象和言行动作，提高了观众的注意力。影片的剪辑也非常值得一提，虽然镜头数很多，但段落与段落的过渡仍然十分紧凑流畅，某些地方非常简洁。

爱德华.诺顿和布莱德.彼特的表现都相当令人满意。尤其是诺顿简直让人感到惊喜。

3#作者：iseeyoung

回复日期：2006-6-30 13:23:00