基于贝叶斯网络的电影评级预测.docxVIP

基于贝叶斯网络的电影评级预测童燕翔（南京航空航天大学计算机科学与技术学院，南京 210016）摘要在日常生活中,人们经常去看电影. 但不同的人喜欢的类型不一样，有人喜欢战争片，有人喜欢艺术片，有人喜欢爱情片等等.本论文利用贝叶斯网络算法预测某个用户对某个电影的评级分数。关键字推荐系统，贝叶斯网络，电影评级中图法分类号 TP391 文献标识码 AMovieRatingPredictionBased on Bayesian NetworkYanxiang TongComputer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing,ChinaAbstractIn daily life, people often go to see the movies, but different people likedifferenttypes, some people like watchingwar movies, some people like art films, some like romance, etc. In this paper,we may predict theratingforamovieof a certain userby using Bayesiannetwork algorithm.Keywordsrecommendation system, Bayesian network, movie rating1引言在挑选电影的时候，我们经常会感到不知所措。很多时候，我们都会参考专业电影影评网站给的评分来选择电影，如豆瓣，通过对电影的评分，类型等的搜索，这些网站就会给你推荐一些你可能会喜欢的电影。本论文就是选取了网络中的电影数据，通过贝叶斯网络达到预测电影评级分数的目的，从而更好的为观影人推荐适合的电影。数据集683个用户，1682部电影，数据集共有100,000 个评级信息，评级分为1-5（颗星）；每个用户有5个属性，每部电影有24个属性。（用户文件u.user, 电影文件u.item）。训练集格式(90000)：user id | item id | rating，其中user id 范围为1 到943 ，item id 范围为1 到1682，评价以星等(1至5)來表示。测试集格式(10000)：user id | item id，其中user id 范围为1 到943 ，item id 范围为1 到1682，没有评价用户属性：user id | age | gender | occupation | zip code 电影属性：movie id | movie title | release date | video release date | IMDb URL | unknown | Action | Adventure | Animation | Childrens | Comedy | Crime | Documentary | Drama | Fantasy | Film-Noir | Horror | Musical | Mystery | Romance | Sci-Fi |Thriller | War | Western | 2数据预处理我们运用Weka做预测分析，而提供的数据集不符合数据格式要求，所有我们必须对原数据做预处理。步骤如下：将源数据集user，item，train，test用UtraEdit打开，搜索所有的”|”和“||”，将它们替换为“，”，然后将文件另存为CVS文件。将四个CVS文件另存为XLS文件，利用网站程序将四个文件XLS文件上传到SQL Sever2005数据库中。利用数据库的查询语句，将train、test的id与另外两个的文件相互连接生成新的两个train和test的XLS文件。然后在把生成的train_combine.xls和test_combine.xls另存为CSV文件。然后利用Weka将CVS文件转化为ARFF文件，除去不需要的属性，并将数据集的属性离散化。将train_combine.cvs和test_combine.cvs合并为data.cvs，将它导入到Weka中转为ARFF文件,将该文件的文件头分别替换train_combine.cvs和test_combine.cvs。这样做事保证训练集和测试集的属性设置保持一致。最后选用的属性集如下表所示：属性名Weka类型userIdnominalitemIdnominalAgeNominalGendernominalOccupationnominalunknownnominalActionnom