电影推荐系统.pptx

学 海 无 涯 ;2;学 海 无 涯 人们可以对一些东西给出 1 到 5 星的评价的时候，协同过滤意图基于一个个体过 去对某些项目的评分和（庞大的）由其他用户的评价构成的数据库，来预测该用 户对未评价项目的评分。 如: 如果一个人给披头士的评分为 5（总分 5）的话， 我们能否预测他对席琳狄翁新专辑的评分呢？ 这种情形下, item-based 协同过滤系统 根据其它项目的评分来预测项目 的分值，一般方法为线性回归( ). 于是，需要列出 x^2 个线性 回归方程和回归量，例如：当有 1000 个项目时，需要列多达 1,000,000 个线性 回归方程， 以及多达 2,000,000 个回归量。除非我们只选择某些用户共同评价 过的项目对，否则协同过滤会遇到过适(过拟合) 问题。 三、 Slope one 算法描述及实现过程： 1、 算法原型： 图例一(如图 3-1 所示)：;学 海 无 涯 ;5;学 海 无 涯 ;学 海 无 涯 ;学 海 无 涯 ;9;10;11