电影推荐算法.pdf

电影推荐算法 MOVIE RECOMMENDER ALGORITHM 唐 傲 S 刘正晨 S 需求分析 公司：向观众 推荐电影，提 高点击率 用户：快速寻 找自己喜欢的 电影层出 电影 不穷 信息爆炸 挖掘任务  预测任务  根据用户对于电影的评分数据，来帮助用户发现可能喜欢的电影  预测建模  学习  使用预测算法对训练数据进行学习，学习用户之间，电影之间，用户 与电影之间的可能关系。  预测  根据学习出的可能关系，估计用户对未知电影的可能评价  输出  将具有较高预测分的电影推荐给用户 数据准备  数据来源：百度电影推荐大赛官方提供数据  数据定义：  用户ID 电影ID 评分  训练集：1262741组数据，包含9722个用户，7889部电影  测试集：314679组数据 UserID MovieID Rating 2541654 125462 4.0 2541654 135645 4.0 3564515 125462 5.0 3564515 215468 3.0 1989996 377762 2.0 挖掘算法(1)--SLOPEONE  例：预测User-3对Movie-2的打分 Movie-1 Movie-2 User-1 5 3 User-2 4 3 User-3 4 ?  找到对Movie-1和Movie-2都打过分的用户, 算出rating差的平均值  推测出对Movie-1打过分的User-3对Movie-2的可能rating  result = 4 – ((5 - 3) + (4- 3)) / 2 = 2.5  特点：简单，易于实现，执行效率高，准确性相对很高 挖掘算法(2)—KNN(ITEM BASED)  (r r )(r r ) v,m m v,n n vP mn s  mn  (r