随着社会快速发展以及人民生活水平的普遍提高,人们对于精神生活的需求也不断上升。电影作为廉价的快消品,为人们的业余生活提供了丰富多彩的精神享受。电影的在线评分可以为影院、观众、周边产业等提供参考和依据。所以电影在线评分的预测一直以来都是电影行业较为关注的问题。因此,如何能够准确地预测一部电影的在线评分,对于影院及周边行业的发展、观众观影的选择来说都是至关重要的。由于电影在线评分预测难度相对较大,电影在线评分预测的实证研究也非常匮乏,并没有形成一套成熟、科学的预测方法。为了能够进一步提高利用电影特征信息对电影在线评分的预测准确度,本文提出了一种新的混合预测模型来预测电影在线评分。本文所设计的混合预测模型在基于电影特征信息的基础上,融合了豆瓣用户评分和豆瓣相似电影推荐信息,该模型是对传统预测模型的有效改进。同时为了选取适合电影在线评分预测模型的机器学习算法和电影特征使用组合,提高本文所设计的模型的预测精度,本文选取了十几种机器学习算法进行了多组对比实验,确定了具有最佳预测效果的机器学习算法和特征信息使用组合。为了评估本文所设计的电影在线评分的混合预测模型,本文选取豆瓣网上的电影数据,利用RMSE指标进行模型测试。本文首先介绍了目前电影评分预测的研究背景和意义,并对电影常用数据源以及电影预测模型的研究现状进行了分析。在后续的章节中,本文对电影预测的数据源、电影评分的影响因素以及常用的机器学习算法的相关理论进行了介绍。然后本文提出了豆瓣网站上电影评分的混合预测模型,并对混合预测模型进行了实验分析。最后对本文的主要工作进行了总结,并对论文中的不足之处提出了展望。