基于电影评级的混合推荐算法研究

发布时间：2021-06-13 04:22

　　电影视频网站中信息过载与信息迷航问题十分明显。推荐系统作为能够解决此类问题的一种有效手段,已经成为各个电影网站的商业人士与研究学者重点研究的领域。电影数据中的评级数据是各个研究者最受欢迎的数据,他们通常对评级数据进行非常简单的处理就开始验证推荐算法性能实验,但是这种处理方式与未经过处理的数据所得出的实验效果所差无几。所以本文提出了一种新颖的基于评级数据的筛选方式,实验结果证明这种筛选方式能充分降低各个推荐算法的评级预测误差。电影推荐系统所采用的推荐方法可以分为三类:基于内容的过滤方法、协同过滤方法以及两者混合方法,其中应用最广、性能最好的方法就是两种方法相结合,因为它可以实现这两种方法优缺点的互补。而本文则采用改进的基于电影类别的过滤方法与协同过滤方法中奇异值分解模型的混合方法进行用户对电影的评级预测。本文旨在基于电影数据集中的评级数据生成预测评级。在数据集的选择上,选取在两个公开可用的真实电影数据集hetrec2011-movielens-2k-v2与ml-latest上进行实验。评级预测实验均采用5折5次交叉验证的离线实验方法,最后利用均方根误差与绝对平均误差作为评级预测效果的评测... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

优酷app中的推荐界面

SGD扰动

dm1_70%与dm2_70%在各个算法中误差降低值比较

【参考文献】：
期刊论文
[1]组推荐系统及其应用研究[J]. 张玉洁,杜雨露,孟祥武.  计算机学报. 2016(04)



本文编号：3226986