综合电影推荐系统
信息检索
2021-12-24 v1 机器学习
摘要
推荐系统，亦称推荐系统，是一种试图预测用户对物品评分或偏好的信息过滤系统。本文基于类型、皮尔逊相关系数、余弦相似度、基于 KNN、使用 TFIDF 与 SVD 的内容过滤、使用 TFIDF 与 SVD 的协同过滤、基于 Surprise 库的推荐系统技术，设计并实现了一个完整的电影推荐系统原型。此外，本文提出一种将机器学习技术应用于基于类型构建电影聚类并观察惯性值以确定聚类数的新颖思路。文中描述了所讨论方法的局限性，以及一种策略如何克服另一种策略的不足。全部工作基于 GroupLens 网站上的 MovieLens 数据集完成，该集包含 9742 部电影上的 100836 条评分与 3683 条标签应用。这些数据由 610 名用户在 1996 年 3 月 29 日至 2018 年 9 月 24 日期间创建。
引用
@article{arxiv.2112.12463,
title = {Comprehensive Movie Recommendation System},
author = {Hrisav Bhowmick and Ananda Chatterjee and Jaydip Sen},
journal= {arXiv preprint arXiv:2112.12463},
year = {2021}
}
备注
The paper was presented in the 8th International Conference on Business Analytics and Intelligence (ICBAI'21), December 20-22, 2021, Bangalore, India. This is the pre=print of the published version that appears in the conference proceedings. It is eight pages long, and it consists of nine tables