随着人们娱乐的发展,精神娱乐显得尤为重要,电影作为一项普及的精神娱乐,越来越受到人们的重视。但是,如何在海量的电影中找到满足自己喜爱的电影却成为一个难题。个性化推荐算法应运而生,它就是来解决如何在海量信息中寻找关键点,向用户推荐出符合用户要求的信息。对于一个推荐系统来说,如何记录用户历史信息并利用这些历史信息分析用户行为并预测用户潜在感兴趣的内容是本系统研究的重点。本文的主要研究内容就是帮助用户从海量电影信息中解脱出来,自动的向用户推荐出用户感兴趣的电影,避免让用户陷入过多信息干扰。本论文介绍了多种推荐算法,每种算法都有各自的优缺点,单一使用某一算法都不能完成系统的实际需求；因此,在实践应用中把多种算法融合到一起来推荐,显得尤为重要。本论文以每个推荐算法为基础,以推算方法混合为研究重点,主要目的是尝试研究算法融合在实践应用中的准确性和效率性。混合电影推荐系统的核心是B/S三层构架,分别是表现层、业务层和数据层。本系统结合这三层体系进行实现。采用UML建模语言进行设计。论文首先调研推荐系统的原理和特点,在此基础上构建出电影推荐系统的理论基础。基本的推荐算法有：协同过滤算法、基于内容的推荐算法、基于网络的推荐算法等；了解和掌握每个算法的优缺点,以便在系统实现过程中使用合理的推荐算法。其次,在讨论实现系统所需技术的基础上,对电影推荐系统的业务需求进行调研。在需求分析的基础上进行模块设计、总体框架设计、推荐算法设计；并在此基础上实现系统的数据库。最后是基于混合推荐算法的电影推荐系统的实现。该系统能够有效地管理电影信息,并且为用户提供电影推荐服务。