基于多元伯努利模型和类型相关性的电影类型预测

电影评分在确定潜在观众观看电影的可能性以及反映当前观众对电影的满意度方面起着重要作用。它们可从电视指南、畅销参考书、报纸专栏和电视节目等多种来源获得。此外，电影评分对于跟踪所有用户行为并利用信息推荐可能喜欢项目的推荐引擎至关重要。因此在大多数情况下，电影评分提供的信息可能比基于电影特征的数据更为重要。直观上，关于电影类型的观看偏好信息足以预测未标注电影的类型。为了预测电影类型，我们将评分视为特征向量，应用伯努利事件模型估计给定类型下电影的可能性，并利用贝叶斯规则评估给定电影类型的后验概率。所提技术的目标是高效利用电影评分完成电影类型预测任务。在我们的方法中，试图回答以下问题：“给定观看某电影的用户集合，是否可能基于其评分预测电影类型？”我们使用 MovieLens 100k 数据的仿真结果证明了所提技术的效率和准确性，在精确预测下达到 59% 预测率，在包含相关类型时达到 69%。