推荐算法：电影领域的比较研究
信息检索
2026-03-02 v1 社会与信息网络
摘要
智能推荐系统已明显提升了知名电子商务公司的收入。用户会从推荐系统处接收到产品推荐。电影推荐系统会向用户提供电影推荐。文献中已有许多方法来解决推荐问题。本研究将其视为一个回归任务。使用从数据集中提取的新型属性构建了一个回归模型，这些属性作为模型的特征。为进行实验，采用了Netflix挑战数据集。Netflix是许多人选择的流行视频流媒体服务。在Netflix向用户推荐电影时，会考虑用户过去的观看习惯。对Netflix数据集进行了探索性数据分析，以洞察用户评级行为和电影特征。随后提取了各种类型的特征，包括聚合特征、基于矩阵分解(MF)的特征以及用户和电影相似度-based 特征。除了XGBoost回归算法中的一个特征外，还使用了Python Surprise库中的K近邻(KNN)和MF算法进行推荐。根据均方根误差(RMSE)，基于MF的算法提供了最佳推荐。
关键词
引用
@article{arxiv.2602.24125,
title = {Recommendation Algorithms: A Comparative Study in Movie Domain},
author = {Rohit Chivukula and T. Jaya Lakshmi and Hemlata Sharma and C. H. S. N. P. Sairam Rallabandi},
journal= {arXiv preprint arXiv:2602.24125},
year = {2026}
}