网站首页精品电影在线电影电影下载微电影类榜单资讯其它网址

如何用深度学习推荐电影?教你做自己的推荐系统!

分类:电影咨询 作者:5a3acom 来源:www.5a3a.com 时间:2017-5-22 14:24:21 人气:158 分享QQ空间 收藏QQ书签 推荐朋友
简介
几乎所有人都喜欢与家人、朋友一起观看电影度过闲暇时光。大家可能都有过这样的体验:本想在接下来的两个小时里看一个电影,却坐在沙发上坐了20分钟不知道看什么,选择困难症又犯了,结果好心情也变得沮丧。所以,我们很需要一个电脑代理,在做挑选电影的时候提供推荐。
现在,电影智能推荐系统已经成为日常生活中的一部分。
Data Science Central 曾表示:
“虽然硬数据很难获得,但知情人士估计,对亚马逊和Netflix这样的大型电商平台,推荐系统为它们带来高达10%至25%的收入增长”。
在这个项目中, 我研究了一些针对电影推荐的基本算法,并尝试将深度学习融入到电影推荐系统中。
把娱乐与视觉艺术相结合,电影是一个很好的例子。电影海报可以直接、快速地把电影信息传达给观众。Design Mantic表示:“不论上映前后,电影海报都是创造噱头的主要因素。多半的人(目标观众)都根据海报来决定买不买票,看不看电影。”我们甚至可以仅仅根据海报字体,来推测这个电影的情绪。
这听起来有点像魔术——但看一眼海报就预测出电影的类型,的确是可能的。就拿我来说,瞟一眼海报就知道我想不想看这个电影了。举个例子,我不是卡通迷,一看到有卡通主题海报,就知道不是我的菜。这个决策的过程很直接,并不需要阅读电影评论(不确定谁真的有时间读那些评论)。因此,除了标准的电影推荐算法,我还用了深度学习来处理海报,并将相似的电影推荐给用户。最终目标是模仿人类视觉,并仅仅通过观察海报,就能用深度学习创建一个直观的电影推荐系统。该项目是受到Ethan Rosenthal博客启发。我对他博客里的代码进行了修改,以适应这个项目的算法。
我们用的是从 MovieLens 下载的电影数据集。他包含9066个电影和671名用户,分成了100000个打分和1300个标签。这个数据集最后更新于10/2016.
协同过滤 
粗略地说,有三种类型的推荐系统(不包括简单的评级方法)
基于内容的推荐
协同过滤
混合模型
“基于内容的推荐”是一个回归问题,我们把电影内容作为特征,对用户对电影的评分做预测。
而在“协同过滤”推荐系统中,一般无法提前获得内容特征。是通过用户之间的相似度(用户们给了用一个电影相同的评级)和电影之间的相似度(有相似用户评级的电影),来学习潜在特征,同时预测用户对电影的评分。此外,学习了电影的特征之后,我们便可以衡量电影之间的相似度,并根据用户历史观影信息,向他/她推荐最相似的电影。
“基于内容的推荐”和“协同过滤”是10多年前最先进的技术。很显然,现在有很多模型和算法可以提高预测效果。比如,针对事先缺乏用户电影评分信息的情况,可以使用隐式矩阵分解,用偏好和置信度取代用户电影打分——比如用户对电影推荐有多少次点击,以此进行协同过滤。另外,我们还可以将“内容推荐”与“协同过滤”的方法结合起来,将内容作为侧面信息来提高预测精度。这种混合方法,可以用“学习进行排序”("Learning to Rank" )算法来实现。
该项目中,我会聚焦于“协同过滤”方法。首先,我将讨论如何 不使用回归, 而是 电影(用户)相似度来预测评分 ,并基于相似度做电影推荐。然后,我将讨论如何 使用回归同时学习潜在特征、做电影推荐 。最后会谈谈 如何在推荐系统中使用深度学习 。
上一篇:美女与野兽 美女很美野兽不野  下一篇:面对一季度票房负增长的中国电影... 

更多 【相关文章浏览】

【每日阅读排行】