電影視頻網(wǎng)站中信息過載與信息迷航問題十分明顯。推薦系統(tǒng)作為能夠解決此類問題的一種有效手段,已經(jīng)成為各個(gè)電影網(wǎng)站的商業(yè)人士與研究學(xué)者重點(diǎn)研究的領(lǐng)域。電影數(shù)據(jù)中的評(píng)級(jí)數(shù)據(jù)是各個(gè)研究者最受歡迎的數(shù)據(jù),他們通常對(duì)評(píng)級(jí)數(shù)據(jù)進(jìn)行非常簡單的處理就開始驗(yàn)證推薦算法性能實(shí)驗(yàn),但是這種處理方式與未經(jīng)過處理的數(shù)據(jù)所得出的實(shí)驗(yàn)效果所差無幾。所以本文提出了一種新穎的基于評(píng)級(jí)數(shù)據(jù)的篩選方式,實(shí)驗(yàn)結(jié)果證明這種篩選方式能充分降低各個(gè)推薦算法的評(píng)級(jí)預(yù)測(cè)誤差。電影推薦系統(tǒng)所采用的推薦方法可以分為三類:基于內(nèi)容的過濾方法、協(xié)同過濾方法以及兩者混合方法,其中應(yīng)用最廣、性能最好的方法就是兩種方法相結(jié)合,因?yàn)樗梢詫?shí)現(xiàn)這兩種方法優(yōu)缺點(diǎn)的互補(bǔ)。而本文則采用改進(jìn)的基于電影類別的過濾方法與協(xié)同過濾方法中奇異值分解模型的混合方法進(jìn)行用戶對(duì)電影的評(píng)級(jí)預(yù)測(cè)。本文旨在基于電影數(shù)據(jù)集中的評(píng)級(jí)數(shù)據(jù)生成預(yù)測(cè)評(píng)級(jí)。在數(shù)據(jù)集的選擇上,選取在兩個(gè)公開可用的真實(shí)電影數(shù)據(jù)集hetrec2011-movielens-2k-v2與ml-latest上進(jìn)行實(shí)驗(yàn)。評(píng)級(jí)預(yù)測(cè)實(shí)驗(yàn)均采用5折5次交叉驗(yàn)證的離線實(shí)驗(yàn)方法,最后利用均方根誤差與絕對(duì)平均誤差作為評(píng)級(jí)預(yù)測(cè)效果的評(píng)測(cè)... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

優(yōu)酷app中的推薦界面

SGD擾動(dòng)

dm1_70%與dm2_70%在各個(gè)算法中誤差降低值比較

【參考文獻(xiàn)】：
期刊論文
[1]組推薦系統(tǒng)及其應(yīng)用研究[J]. 張玉潔,杜雨露,孟祥武.  計(jì)算機(jī)學(xué)報(bào). 2016(04)



本文編號(hào)：3226986