在移动互联网时代,个性化推荐服务为人类日常生活造就了便利。日益增长的数据成为了互联网时代的标签,也成为了这个时代最宝贵的资源之一。然而,繁多冗余的数据在推荐系统中没有得到有效利用,用户与物品之间交互数据的高稀疏性给个性化推荐带来了不少困扰,同时也给研究工作带来了巨大挑战。在电影推荐中,极少有研究工作考虑了电影的视觉内容,并且电影海报和静态帧中的美学质量评价还没有在电影推荐中加以使用。另外,现有研究工作使用深度学习技术提取图像视觉特征并用于推荐系统,然而这些视觉特征只是单纯地为了完成分类任务,其中视觉特征与推荐任务的训练相互分离,个性化推荐性能并没有显著提升。本文结合深度学习与推荐算法,融合图像的视觉特征和美学特征进行统一训练,以缓解数据稀疏性,提升个性化电影推荐性能。本文的主要研究工作如下:(1)本文分析了当前推荐系统的研究背景以及国内外的研究现状,探讨了传统推荐算法的优劣以及电影推荐的发展趋势。(2)在分析并利用了电影海报和静态帧中包含的视觉内容的基础上,本文提出了融合视觉特征的端到端电影推荐模型。该模型使用卷积神经网络提取图像的视觉特征,将视觉特征和推荐模型的参数学习融合到统一训练的框架中。通过在两个真实数据集的实验以及与先进方法的对比,本文验证了该模型的可行性和有效性。(3)通过分析了电影海报和静态帧中包含的美学特征对个性化推荐的作用,本文提出了融合美学特征的端到端电影推荐模型。该模型使用深度美学质量评价网络提取图像的美学特征,将图像的美学特征和推荐模型的参数学习融合到统一的框架中进行训练。通过在两个真实数据集上进行实验以及与先进方法进行对比,本文验证了所提出的模型的可行性和有效性。(4)实现了一种融合视觉特征以及美学特征的端到端电影推荐原型系统。