基于多特征融合的电影推荐系统

发布时间：2023-04-02 05:22

　　协同过滤算法(CF)根据用户-物品的评分矩阵做推荐,未考虑物品自身属性。本文将MovieLens数据集上的电影属性,作为影响推荐结果的因素,融合电影的简介、评论、评分、导演和演员等多种因素,进行推荐。使用CNN(卷积神经网络)和Word2Vec(Word to Vector,词向量模型)处理电影简介;使用AFINN(Finn?rup Nielsen情感词典)处理评论,并对结果进行映射;对导演和演员数据进行建模,得到该因素下的预测评分,最后将各因素下的结果进行加权融合,通过调整权重,得到最佳效果。经验证,该方法的推荐性能优于传统的CF算法。

【文章页数】：6 页

【文章目录】：
0 引 言
1 相关研究
2 融合多因素数据的模型构建
    2.1 问题描述
    2.2 数据处理及特征提取
        2.2.1 电影的简介信息
        2.2.2 电影的评论信息处理
        2.2.3 对电影导演和演员的数据进行建模
        2.2.4 用户-电影评分对预测评分的影响
    2.3 多因素数据融合
3 实验结果及分析
    3.1 实验数据集
    3.2 评价指标
        1) 准确率计算公式如式 (7) 所示:
        2) 召回率计算公式如式 (8) 所示:
        3) 平均绝对偏差MAE, 体现预测与真实评分之间的偏差平均值, 计算公式如式 (9) 所示:
    3.3 实验结果及分析
        3.3.1 权重调整实验
        3.3.2 推荐性能验证实验
4 结束语



本文编号：3778625